问R:用频数表进行logistic回归，找不到正确的Pearson X平方统计量。

EN

我对下面的数据框架进行了logistic回归，得到了一个合理的结果(与使用STATA的结果相同)。但是，我从R得到的Pearson平方和自由度与STATA非常不同，而STATA又给了我一个很小的p值。而且我无法得到在ROC曲线下的面积。有人能帮我找出为什么残差()在先验权值的glm()上不起作用，以及如何处理ROC曲线下的面积？

以下是我的代码和输出.

1.数据

这是我的数据框架test_data，y是结果，x1和x2是协变量：

Y x1 x2 freq 0 No 0 268 0 No 1 14 0 Yes 0 10 9 0 Yes 1 1 1 No 0 31 1 No 1 6 1 Yes 0 45 1 Yes 1 6

我通过统计每个协变量模式的出现情况，从原始数据生成这个数据框架，并将数字存储在新变量freq中。

2. GLM模型

然后，我做了logistic回归，如：

logit=glm(y~x1+x2, data=test_data, family=binomial, weights=freq)

产出显示：

偏差残差:1 2 3 4 5 6 7 8 -7.501 -3.536 -8.818 -1.521 3.501 10.409 2.129系数:估计性病。错误z值Pr(>\x\x}) (截获) -2.2010 0.1892 -11.632 < 2e-16 * x1 1.3538 0.2516 5.381 7.39e-08 * x2 1.6261 0.4313 3.770 0.000163 *

信号。编码:0 '‘0.001 '__’0.01 '‘0.05 '.’0.1‘’1

(二项族的色散参数取为1)

Null deviance: 457.35  on 7  degrees of freedom

剩余偏差:5自由度416.96，AIC: 422.96

Fisher评分迭代数:5

系数与STATA相同。

3. X平方统计

当我试图计算皮尔逊广场时：

pearson_chisq =和(剩余数(logit，type = "pearson"，weights=test_data$freq)^2)

我得到了488，而不是STATA给的1.3。由R生成的自由度是chisq_dof = df.residuals(logit)=5，而不是1，所以我得到了一个极小的p-值~e^-100。

4.歧视

然后我计算了ROC曲线下的面积为：library(verification)

logit_mf = model.frame(logit) roc.area(logit_mf $y，fitted(logit))$A

产出如下：

1 0.5警告信息： 在wilcox.test.default(predobs == 1，predobs == 0，alternative = "great")中:不能用领带计算精确的p值。

谢谢!