引言:在前面一小节中,我们知道如何利用最大似然估计大求解最佳logistic回归拟合,但是我们并不知道该拟合的效果怎样。同线性模型一样,我们需要计算R2和P值对拟合模型进行判定。那么该如何计算呢?
1. 选择何种方法计算R2与p值
广义线性模型包括线性模型、logistic回归模型和其他模型,是解决很多问题的常见框架, 其结果比较难懂。线性模型中,计算模型的R 2和P值的方法得到普遍认可;但在logistic回归中未能达成共识,目前有至少10种方法用于计算模型的R 2和P值。所以我们应该结合本专业领域的情况,选择大多数人接受的方法。在此小结中,我们主要学习常见且容易在R语言中实现的计算方法。2. logistic回归中计算R2与P值的常见方法:McFadden’s Pseudo R2
McFadden’s Pseudo R2(McFadden’s 伪R2),该方法与线性回归中计算R2的方法相似。
回顾线性模型中的R2和P值计算(参考:线性回归中的R方与R方显著性)
考虑小鼠体重与小鼠体积的拟合直线,计算残差平方和SS(fit);
仅考虑小鼠体积的均值直线,计算残差平方和SS(mean);
R2为考虑小鼠体重与小鼠体积