使用 nnet 包评估 R 中多项式 logit 的拟合优度

Question

我使用 nnet 包中的multinom()函数在 R 中运行多项逻辑回归。 nnet 包不包括 p 值计算和 t 统计量计算。 我找到了一种使用this page中的两个tailed z-test计算p值的方法。 举一个计算多项式 logit 的检验统计量的例子（不是真正的 t-stat，而是等价的），我计算了 Wald 统计量：

mm<-multinom(Empst ~ Agegroup + Marst + Education + State, 
             data = temp,weight=Weight)
W <- (summary(mm1)$coefficients)^2/(summary(mm1)$standard.errors)^2

我取系数的平方并除以系数的标准误差的平方。 然而，似然比检验是衡量逻辑回归拟合优度的首选方法。 由于对似然函数的理解不完整，我不知道如何编写代码来计算每个系数的似然比统计量。 使用multinom()函数的输出计算每个系数的似然比统计量的方法是什么？ 谢谢你的帮助。

Answer 1

让我们看看使用Species （一个分类变量）和Petal.Length （一个连续变量）从 iris 数据集预测Sepal.Length 。 让我们首先使用model.matrix将我们的因子变量转换为多个二元变量并构建我们的神经网络：

library(nnet)
data(iris)
mat <- as.data.frame(model.matrix(~Species+Petal.Length+Sepal.Length, data=iris))
mm <- multinom(Sepal.Length~.+0, data=mat, trace=F)

现在我们可以对模型中的变量进行似然比检验：

library(lmtest)
lrtest(mm, "Speciesversicolor")
# Likelihood ratio test
# 
# Model 1: Sepal.Length ~ `(Intercept)` + Speciesversicolor + Speciesvirginica + 
#     Petal.Length + 0
# Model 2: Sepal.Length ~ `(Intercept)` + Speciesvirginica + Petal.Length - 
#     1
#   #Df  LogLik  Df  Chisq Pr(>Chisq)
# 1 136 -342.02                      
# 2 102 -346.75 -34 9.4592          1

要对所有变量运行似然比测试，我想您可以只使用循环并为每个变量名称运行。 我只提取了这个循环中的 p 值。

for (var in mm$coefnames[-1]) {
  print(paste(var, "--", lrtest(mm, var)[[5]][2]))
}
# [1] "Speciesversicolor -- 0.999990077592342"
# [1] "Speciesvirginica -- 0.998742545590864"
# [1] "Petal.Length -- 3.36995663002528e-14"

Answer 2

使用car包中的Anova函数对模型中的每一项进行似然比检验。

library(nnet)
data(iris)


mm <- multinom(Species ~ ., data=iris, trace=F)

### car package
library(car)
Anova(mm)

Answer 3

从@jolisber 的响应中，我提取了一个函数，以便任何人都可以执行此操作并将值存储在 df 中。 好吧，我将完整的字符向量存储在 df 中。

likehoodmultinom2 <- function(model_lmm) 
{

  i <- 1
  values<- c("No funciona") 

  for (var in model_lmm$coefnames[-1]) { # Qutiamos el -1 de coefnames para no obener un NA

  values[i] =(paste(var, "--", lrtest(model_lmm, var)[[5]][2]))
  i=i+1

  }
  return (values)
}

但是我无法获得第一个元素（变量）p 值。 我不知道为什么。 而且我不能忽略 model_lmm$coefnames 中的 [-1]。 已编辑。 我将 i=0 编辑为 i=1； 忘记了 R 向量从那个开始：D。

希望这对每个人都有效：D

编辑 2

也做了 1，所以它可以存储在 df 中。

likehoodmultinom_p <- function(model_lmm) 
{

  i <- 1

  variables <-c("No funciona")
  values <- c("No funciona") 


  for (var in model_lmm$coefnames[-1]) { 

  variables[i] =paste(var)
  values[i]= lrtest(model_lmm, var)[[5]][2]
  i=i+1
   ## Contributed to stack at: 
  }
  return (data.frame(variables,values))
}