【R语言帮助文档翻译】——广义线性模型glm(Fitting Generalized Linear Models)

本文翻译了R语言中glm函数的使用帮助文档,介绍了如何拟合广义线性模型,包括函数的基本用法、参数说明,以及其设计灵感来源。适合R语言使用者和进行Logistic回归分析的研究者参考。
摘要由CSDN通过智能技术生成

glm(Fitting Generalized Linear Models)帮助文档翻译

简介Description

glm被用于拟合广义线性模型,特别是通过给出对线性预测子的符号描述以及对误差分布的描述

用法Usage

glm(formula, family = gaussian, data, weights, subset,
    na.action, start = NULL, etastart, mustart, offset,
    control = list(...), model = TRUE, method = "glm.fit",
    x = FALSE, y = TRUE, contrasts = NULL, ...)

常用参数介绍

formula	数据关系/模型的描述,举例:group~性别+年龄+体重+身高+吸烟定性+饮酒定性,Y:group,X:性别,年龄,体重,身高,吸烟定性,饮酒定性

family	响应变量(因变量/Y)的分布类型,需要自己根据响应变量分布情况在参数里定义

family 种类(默认连接函数)
binomial(link = "logit")#响应变量服从二项分布,连接函数为logit,即logistic回归
binomal(link=’probit’) #响应变量服从二项分布,连接函数为probit
gaussian(link = "identity")
Gamma(link = "inverse")
inverse.gaussian(link = "1/mu^2")
poisson(link = "log")#响应变量服从泊松分布,即泊松回归
quasi(link = "identity", variance = "constant")
quasibinomial(link = "logit")
quasipoisson(link = "log")

data	可选择数据库,列表等

weights	 是一个可选择向量,在模型拟合过程中可以“优化权重”,应该设置成NULL或者一列数字向量

subset	是一个可选择的向量,具体化在拟合过程的观察亚组

na.action	 指示缺失值处理

start	 线性预测子参数的起始值

etastart	 线性预测子的起始值

mustart	  均数向量的起始值

offset	可以被用来在拟合过程中具体化要被纳入线性预测子的优先已知部分,应该设置为NULL或者长度和案例一样的数字向量。

control	 控制拟合过程参数的列表

model	 指示model frame模型框是否应该被包含返回值的部分的逻辑变量
a logical value indicating whether model frame should be included as a component of the returned value.

method	用于拟合模型的方法,默认方法是"glm.fit": 迭代重新加权最小二重法iteratively reweighted least squares (IWLS),选择"model.frame"返回模型框并且不会拟合。

x, y	逻辑值指示被用于拟合过程的反应向量和模型矩阵是否应该被作为返回值的部分

contrasts	 一个可选择的列表

intercept	  逻辑,截距是否应该被包括在空模型里

object	可以从 "glm"类型里继承的对象

type	特征和偏好匹配被允许,从被拟合模型对象里提取出的权重类型,可以缩写

参考来源

[ 2 ]: 帮助文档作者:The original R implementation of glm was written by Simon Davies working for Ross Ihaka at the University of Auckland, but has since been extensively re-written by members of the R Core team.The design was inspired by the S function of the same name described in Hastie & Pregibon (1992).

作者简介

何世伟,
厦门大学公共卫生硕士
研究方向:表观遗传流行病学、循证医学
联系方式:swheok@foxmail.com

  • 5
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值