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

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
  • 28
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
广义线性模型Generalized Linear Model,简称GLM)是一种扩展了标准线性模型的统计分析方法,适用于响应变量不满足正态分布或不满足线性关系假设的情况。GLM中的响应变量可以是类别型的(二值变量或多分类变量)或计数型的。 在R语言中进行广义线性模型分析,可以使用glm()函数。该函数的参数包括响应变量、解释变量和链接函数等。通过拟合响应变量的条件均值的一个函数,glm()函数会估计模型参数并进行推断。与传统的最小二乘法不同,glm()函数使用的是极大似然估计方法。 广义线性模型的建模过程可以根据具体问题进行以下步骤: 1. 确定响应变量类型:是类别型的还是计数型的。 2. 选择适当的链接函数:根据响应变量的类型选择适当的链接函数,常见的链接函数包括logit(二项分布)、probit(二项分布)、identity(高斯分布)等。 3. 构建模型:根据研究问题和变量选择适当的解释变量,并确定模型的形式和结构。 4. 进行模型拟合:使用glm()函数拟合广义线性模型,得到模型的参数估计和相关统计指标。 5. 模型诊断和解释:对模型进行诊断,检查模型的拟合程度和残差的分布,并解释模型的结果。 需要注意的是,进行广义线性模型分析时,需要满足一些前提条件,如观测之间的独立性、响应变量的同方差性等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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