jose luis
2010-Jan-13 12:04 UTC
[R-es] estadístico de Wilks (razón de verosimilitudes) en regresión logística.
Hola a todos.
Necesito contrastar la bondad del ajuste en un modelo de regresión
logística con variable explicativa cualitativa.
He creado el modelo con :
modelo.ajustado<-glm(muerte~dosis,family=binomial,weights=Freq,data=datos)
dónde Freq son las frecuencias en cada categoría. Con
summary(modelo.ajustado)
Call:
glm(formula = muerte ~ dosis, family = binomial, data = datos,
weights = Freq)
Deviance Residuals:
Min 1Q Median 3Q Max
-4.5442 -2.5699 0.8772 6.6161 16.4381
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -7.5462 0.2673 -28.228 < 2e-16 ***
dosisB 0.4362 0.3061 1.425 0.15419
dosisC 0.9165 0.3524 2.601 0.00930 **
dosisD 1.2262 0.4632 2.647 0.00812 **
dosisE 2.1411 0.3857 5.552 2.83e-08 ***
dosisF 3.1459 0.3111 10.113 < 2e-16 ***
---
Signif. codes: 0 ?***? 0.001 ?**? 0.01 ?*? 0.05 ?.? 0.1 ? ? 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 2110.0 on 59 degrees of freedom
Residual deviance: 1960.8 on 54 degrees of freedom
AIC: 1972.8
Number of Fisher Scoring iterations: 8
Y no sé cómo calcular el estadístico G2, y su p-valor, pensaba que era
1-pchisq("devianza residual", gl). pero creo que no, que tiene algo
que
ver con la diferencia de la log-verosimilitud entre el modelo saturado y
este. ¿cómo se podría hacer?
Gracias.
Hola a tod en s. Al final, existe (o existirá) la posibilidad de descargarse los videos de las presentaciones? http://tv.um.es/serial/index/id/216 Un Saludo, Miguel Ángel Rodríguez Muíños Dirección Xeral de Saúde Pública e Planificación Consellería de Sanidade Xunta de Galicia Nota: A información contida nesta mensaxe e os seus posibles documentos adxuntos é privada e confidencial e está dirixida únicamente ó seu destinatario/a. Se vostede non é o/a destinatario/a orixinal desta mensaxe, por favor elimínea. A distribución ou copia desta mensaxe non está autorizada. Nota: La información contenida en este mensaje y sus posibles documentos adjuntos es privada y confidencial y está dirigida únicamente a su destinatario/a. Si usted no es el/la destinatario/a original de este mensaje, por favor elimínelo. La distribución o copia de este mensaje no está autorizada. See more languages: http://www.sergas.es/aviso_confidencialidad.htm XACOBEO 2010: http://www.xacobeo.org
Los últimos vídeos que hice para mi proyecto los subí en Openvideo a Omploader. Por si os sirve como idea podéis ver el ejemplo en los enlaces de fondo amarillo: http://chronojump.org/documents_es.html Saludos On 13 Jan 2010 14:55, <miguel.angel.rodriguez.muinos@sergas.es> wrote: Hola a tod@s. Al final, existe (o existirá) la posibilidad de descargarse los videos de las presentaciones? http://tv.um.es/serial/index/id/216 Un Saludo, Miguel Ángel Rodríguez Muíños Dirección Xeral de Saúde Pública e Planificación Consellería de Sanidade Xunta de Galicia Nota: A información contida nesta mensaxe e os seus posibles documentos adxuntos é privada e confidencial e está dirixida únicamente ó seu destinatario/a. Se vostede non é o/a destinatario/a orixinal desta mensaxe, por favor elimínea. A distribución ou copia desta mensaxe non está autorizada. Nota: La información contenida en este mensaje y sus posibles documentos adjuntos es privada y confidencial y está dirigida únicamente a su destinatario/a. Si usted no es el/la destinatario/a original de este mensaje, por favor elimínelo. La distribución o copia de este mensaje no está autorizada. See more languages: http://www.sergas.es/aviso_confidencialidad.htm XACOBEO 2010: http://www.xacobeo.org _______________________________________________ R-help-es mailing list R-help-es@r-project.org https://stat.ethz.ch/mailman/listinfo/r-help-es [[alternative HTML version deleted]]
Jorge Ivan Velez
2010-Jan-13 19:13 UTC
[R-es] estadístico de Wilks (razón de verosimilitudes) en regresión logística.
Buenas tardes Jose Luis,
Considera las siguientes opciones:
# Datos simulados
set.seed(123)
n <- 100
b0 <- 0.5
b1 <- .7
b2 <- .2
x1 <- rnorm(n, mean = 1, sd = 0.5)
y <- rbinom(n, 1, 1/(1+ exp(-(b0 + b1 * x1))))
datos <- data.frame(y, x1)
# Modelos
m1 <- glm(y ~ x1, family = binomial)
m2 <- glm(y ~ 1, family = binomial)
# -------------------------------------------------
# Evaluando la inclusión de x1
# -------------------------------------------------
# Option 1
G2 <- m2$deviance - m1$deviance
p <- pchisq(G2, df=1, lower.tail = FALSE)
out <- c(G2, p)
names(out) <- c(''G2'',''pvalue'')
out
# G2 pvalue
# 1.8862554 0.1696249
# Option 2: en un solo paso
pchisq(abs(anova(m1,m2)$Deviance[2]), 1, lower.tail = FALSE)
# [1] 0.1696249
# Option 3: usando lrtest en lmtest
# install.packages(''lmtest'') # descativa esto si no tienes
lmtest
instalada
require(lmtest)
lrtest(m1, m2)
# Likelihood ratio test
#
#Model 1: y ~ x1
#Model 2: y ~ 1
# #Df LogLik Df Chisq Pr(>Chisq)
#1 2 -54.165
#2 1 -55.108 -1 1.8863 0.1696
Puedes encontrar un poco mas de informacion en
http://data.princeton.edu/R/glms.html
Espero sea de utilidad,
Jorge Ivan Velez
2010/1/13 jose luis <>
> Hola a todos.
> Necesito contrastar la bondad del ajuste en un modelo de regresión
> logística con variable explicativa cualitativa.
> He creado el modelo con :
>
>
modelo.ajustado<-glm(muerte~dosis,family=binomial,weights=Freq,data=datos)
>
>
> dónde Freq son las frecuencias en cada categoría. Con
>
> summary(modelo.ajustado)
>
> Call:
> glm(formula = muerte ~ dosis, family = binomial, data = datos,
> weights = Freq)
>
> Deviance Residuals:
> Min 1Q Median 3Q Max -4.5442 -2.5699 0.8772
> 6.6161 16.4381
> Coefficients:
> Estimate Std. Error z value Pr(>|z|) (Intercept) -7.5462
> 0.2673 -28.228 < 2e-16 ***
> dosisB 0.4362 0.3061 1.425 0.15419 dosisC 0.9165
> 0.3524 2.601 0.00930 **
> dosisD 1.2262 0.4632 2.647 0.00812 **
> dosisE 2.1411 0.3857 5.552 2.83e-08 ***
> dosisF 3.1459 0.3111 10.113 < 2e-16 ***
> ---
> Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
>
> (Dispersion parameter for binomial family taken to be 1)
>
> Null deviance: 2110.0 on 59 degrees of freedom
> Residual deviance: 1960.8 on 54 degrees of freedom
> AIC: 1972.8
>
> Number of Fisher Scoring iterations: 8
>
> Y no sé cómo calcular el estadístico G2, y su p-valor, pensaba que era
> 1-pchisq("devianza residual", gl). pero creo que no, que tiene
algo que ver
> con la diferencia de la log-verosimilitud entre el modelo saturado y este.
> ¿cómo se podría hacer?
>
> Gracias.
>
> _______________________________________________
> R-help-es mailing list
> R-help-es@r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
[[alternative HTML version deleted]]