R broom tidy.clmm 整理 a(n) clmm 對象

Tidy 總結了有關模型組件的信息。模型組件可能是回歸中的單個項、單個假設、聚類或類。 tidy 所認為的模型組件的確切含義因模型而異，但通常是不言而喻的。如果模型具有多種不同類型的組件，您將需要指定要返回哪些組件。

用法

# S3 method for clmm
tidy(x, conf.int = FALSE, conf.level = 0.95, exponentiate = FALSE, ...)

參數

x

從 ordinal::clmm() 返回的 clmm 對象。

conf.int

邏輯指示是否在整理的輸出中包含置信區間。默認為 FALSE 。

conf.level

用於置信區間的置信水平(如果 conf.int = TRUE )。必須嚴格大於 0 且小於 1。默認為 0.95，對應於 95% 的置信區間。

exponentiate

邏輯指示是否對係數估計值取冪。這對於邏輯回歸和多項回歸來說是典型的，但如果沒有 log 或 logit 鏈接，那麽這是一個壞主意。默認為 FALSE 。

...

附加參數。不曾用過。僅需要匹配通用簽名。注意：拚寫錯誤的參數將被吸收到 ... 中，並被忽略。如果拚寫錯誤的參數有默認值，則將使用默認值。例如，如果您傳遞 conf.lvel = 0.9 ，所有計算將使用 conf.level = 0.95 進行。這裏有兩個異常：

tidy() 方法在提供 exponentiate 參數時會發出警告(如果該參數將被忽略)。
augment() 方法在提供 newdata 參數時會發出警告(如果該參數將被忽略)。

注意

在 broom 0.7.0 中， coefficient_type 列已重命名為 coef.type ，並且內容也發生了更改。

注意，intercept類型係數對應於alpha參數，location類型係數對應於beta參數，並且scale類型係數對應於zeta參數。

也可以看看

tidy、ordinal::clmm()、ordinal::confint.clm()

其他序號整理器：augment.clm() , augment.polr() , glance.clmm() , glance.clm() , glance.polr() , glance.svyolr() , tidy.clm() , tidy.polr() , tidy.svyolr()

值

帶有列的 tibble::tibble()：

conf.high: 估計置信區間的上限。
conf.low: 估計置信區間的下限。
estimate: 回歸項的估計值。
p.value: 與觀察到的統計量相關的兩側 p 值。
statistic: 在回歸項非零的假設中使用的 T-statistic 的值。
std.error: 回歸項的標準誤差。
term: 回歸項的名稱。

例子


# load libraries for models and data
library(ordinal)

# fit model
fit <- clmm(rating ~ temp + contact + (1 | judge), data = wine)

# summarize model fit with tidiers
tidy(fit)
#> # A tibble: 6 × 6
#>   term       estimate std.error statistic  p.value coef.type
#>   <chr>         <dbl>     <dbl>     <dbl>    <dbl> <chr>    
#> 1 1|2           -1.62     0.682     -2.38 1.74e- 2 intercept
#> 2 2|3            1.51     0.604      2.51 1.22e- 2 intercept
#> 3 3|4            4.23     0.809      5.23 1.72e- 7 intercept
#> 4 4|5            6.09     0.972      6.26 3.82e-10 intercept
#> 5 tempwarm       3.06     0.595      5.14 2.68e- 7 location 
#> 6 contactyes     1.83     0.513      3.58 3.44e- 4 location 
tidy(fit, conf.int = TRUE, conf.level = 0.9)
#> # A tibble: 6 × 8
#>   term  estimate std.error statistic  p.value conf.low conf.high coef.type
#>   <chr>    <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl> <chr>    
#> 1 1|2      -1.62     0.682     -2.38 1.74e- 2   -2.75     -0.501 intercept
#> 2 2|3       1.51     0.604      2.51 1.22e- 2    0.520     2.51  intercept
#> 3 3|4       4.23     0.809      5.23 1.72e- 7    2.90      5.56  intercept
#> 4 4|5       6.09     0.972      6.26 3.82e-10    4.49      7.69  intercept
#> 5 temp…     3.06     0.595      5.14 2.68e- 7    2.08      4.04  location 
#> 6 cont…     1.83     0.513      3.58 3.44e- 4    0.992     2.68  location 
tidy(fit, conf.int = TRUE, exponentiate = TRUE)
#> # A tibble: 6 × 8
#>   term  estimate std.error statistic  p.value conf.low conf.high coef.type
#>   <chr>    <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl> <chr>    
#> 1 1|2      0.197     0.682     -2.38 1.74e- 2   0.0518     0.751 intercept
#> 2 2|3      4.54      0.604      2.51 1.22e- 2   1.39      14.8   intercept
#> 3 3|4     68.6       0.809      5.23 1.72e- 7  14.1      335.    intercept
#> 4 4|5    441.        0.972      6.26 3.82e-10  65.5     2965.    intercept
#> 5 temp…   21.4       0.595      5.14 2.68e- 7   6.66      68.7   location 
#> 6 cont…    6.26      0.513      3.58 3.44e- 4   2.29      17.1   location 

glance(fit)
#> # A tibble: 1 × 5
#>     edf   AIC   BIC logLik     nobs
#>   <dbl> <dbl> <dbl> <logLik>  <dbl>
#> 1     7  177.  193. -81.56541    72

# ...and again with another model specification
fit2 <- clmm(rating ~ temp + (1 | judge), nominal = ~contact, data = wine)
#> Warning: unrecognized control elements named ‘nominal’ ignored

tidy(fit2)
#> # A tibble: 5 × 6
#>   term     estimate std.error statistic       p.value coef.type
#>   <chr>       <dbl>     <dbl>     <dbl>         <dbl> <chr>    
#> 1 1|2        -2.20      0.613     -3.59 0.000333      intercept
#> 2 2|3         0.545     0.476      1.15 0.252         intercept
#> 3 3|4         2.84      0.607      4.68 0.00000291    intercept
#> 4 4|5         4.48      0.751      5.96 0.00000000256 intercept
#> 5 tempwarm    2.67      0.554      4.81 0.00000147    location 
glance(fit2)
#> # A tibble: 1 × 5
#>     edf   AIC   BIC logLik     nobs
#>   <dbl> <dbl> <dbl> <logLik>  <dbl>
#> 1     6  189.  203. -88.73882    72

源代碼：R/ordinal-clmm-tidiers.R

相關用法

注：本文由純淨天空篩選整理自等大神的英文原創作品 Tidy a(n) clmm object。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。