多结局二项回归R
多结局二项回归R
提问于 2022-10-10 14:28:32
可以使用cbind为普通lm回归指定多个结果：
set.seed(11)
df <- iris %>%
mutate(var1 = sample(c(0L,1L), 150, replace = TRUE),
var2 = sample(c(0L,1L), 150, replace = TRUE))
df %>%
lm(cbind(var1, var2) ~ Sepal.Width + Sepal.Length, data = .) %>%
coef()
# var1 var2
# (Intercept) 0.5010092855 1.17035845
# Sepal.Width 0.0015431925 -0.16210972
# Sepal.Length 0.0001607519 -0.03218511这能用二项式glm来完成吗？如果没有，应该如何进行预期的分析(MANOVA)？
df %>%
glm(cbind(var1, var2) ~ Sepal.Width + Sepal.Length, family = binomial, data = .) %>%
coef()
# (Intercept) Sepal.Width Sepal.Length
# -1.3886130 0.3587017 0.0588412 上面的glm似乎并没有像lm那样产生一个系数矩阵，输出的格式与指定的结果相同。
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-10-10 14:50:20
不是这边。lm()允许这样做，因为线性回归的特定结构允许同时(并且有效)求解多个响应变量的线性回归方程。这个技巧在广义线性模型中行不通。
要用glm()来做这件事，你必须自己设置它。
ff <- function(var) {
f <- reformulate(c("Sepal.Length", "Sepal.Width"), response = var)
glm(f, data = df, family = binomial)
}
(c("var1", "var2")
|> purrr::map(ff)
|> purrr::map(coef)
|> bind_cols()
)(您仍然需要整理行/列名)
或
library(broom)
(c("var1", "var2")
|> setNames(nm = _)
|> purrr::map(ff)
|> purrr::map_dfr(tidy, .id = "respvar")
|> select(respvar, term, estimate)
|> pivot_wider(names_from = "respvar", values_from = "estimate")
)lme4::lmList()处理数据采用长格式的情况：
library(broom.mixed)
library(lme4)
(df
|> pivot_longer(c(var1, var2))
|> lmList(formula = value ~ Sepal.Length + Sepal.Width | name,
family = binomial)
|> coef()
|> t() ## transpose
)还有很多其他的问题，所以这些问题的变体(对不同的响应变量运行lm()/glm()，列表的元素等等)，但是我很难找到它们。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/74021243
复制
相似问题
R:预测最高结局的概率
用R进行多类logistic回归
R中的多水平Logistic回归
R期生存结局的SuperLearner研究
小结局
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
社区富文本编辑器全新改版！诚邀体验～
全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验
腾讯云开发者
