数据挖掘和分析WB精要.pptVIP

广义线性模型 2014.11.14 第十二周 广义线性模型 广义线性模型 标准线性模型： 广义线性模型： 广义线性模型：glm() glm(formla,family=family(link=function),data= ) 表13-1 glm()的参数 分布族+默认的连接函数 如：glm(Y~X1+X2+X3,family=gaussian(link=“identity”),data=mydata ) 与下列函数连用： summary(), coefficeints(), coef(), confint(), residuals(), anova(), plot(), predict() 广义线性模型: 模型拟合和诊断 评价模型适用性： ？ 响应变量的预测值与残差图 plot(predict(model,type=response), residual(model, type=deviance)) 帽子值、学生化残差值、Cook距离统计量... 综合性诊断图（car::influencePlot） 广义线性模型：Logistic回归 适用于二值型响应变量（0,1） glm(Y~X1+X2+X3,family=binomial(link=“logit”),data=mydata ) 广义线性模型：Logistic回归 通过一系列连续和/或类别型变量预测二值型结果变量（例：婚外情数据 Fairs Affair） 犯错的频率~性别+年龄+婚龄+是否有小孩+宗教+学历+职业+婚姻的自我评分 广义线性模型：Logistic回归 广义线性模型：Logistic回归 广义线性模型：Logistic回归 广义线性模型：Logistic回归 fit full model 广义线性模型：Logistic回归 fit reduced 广义线性模型：Logistic回归 比较full和reduced 广义线性模型：Logistic回归 解释模型参数 由连接函数：响应变量--优势比 固定其他变量某预测变量单位变化引起的优势比变化--Y=1的概率 广义线性模型：Logistic回归 模型预测 广义线性模型：Logistic回归 模型预测 广义线性模型：Logistic回归 过度离势overdispersion 过度离势：观测到的响应变量的方差大于期望的二项分布的方差，导致奇异的标注误检验和不精确的显著性检验 残差偏差/残差自由度~1 广义线性模型：Logistic回归，扩展 稳健Logistic回归（robust::glmRob) 多项式分布回归（mlogit::mlogit()）响应变量包含两个以上无序类别 序数Logistic回归（rms::lrm()) 响应变量有序 广义线性模型：泊松回归 适用于计数型变量 glm(Y~X1+X2+X3,family=binomial(link=“logit”),data=mydata ) 广义线性模型：泊松回归 通过一系列连续和/或类别型变量预测计数型结果变量（例：抗癫痫药物对癫痫病发数的影响） 广义线性模型：泊松回归 广义线性模型：泊松回归 广义线性模型：泊松回归 解释模型参数 广义线性模型：泊松回归 过度离势 处理计数型数据时经常发生 遗漏的某个重要变量 事件可能相关（下一次发病的几率） 纵向数据（panel data，重复测量数据）的内在群聚特性导致 本例：残差偏差/残差自由度=559.44/55=10.17 过度离势检验 广义线性模型：泊松回归 过度离势 广义线性模型：泊松回归 扩展 时间段变化的泊松回归 fit-glm(sumY ~ Base + Age + Trt, data = breslow.dat, offset=log(time), family = poisson()) 零膨胀的泊松回归（pscl::zeroinfl()） 同时拟合两个模型：预测是否发生+预测排除了结构零值者后发生次数 稳健泊松回归（robust::glmRob） fit.od - glm(sumY ~ Base + Age + Trt, data = breslow.dat, + family = quasipoisson()) summary(fit.od) Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 1.948826 0.465091 4.190 0.000102 *** Base 0.022652 0.001747 12.969 2e-16 *** Age 0.0