[英]Multivariate logistic regression in r?
如何在R中执行多变量(多个因变量)逻辑回归?
我知道你这样做是为了线性回归,这是有效的
form <-cbind(A,B,C,D)~shopping_pt+price
mlm.model.1 <- lm(form, data = train)
但是,当我尝试以下(见下文)进行逻辑回归时,它不起作用。
model.logistic <- glm(form, family=binomial(link=logit), data=train)
谢谢您的帮助。
要添加,似乎我使用上述线性模型执行此操作的代码可能不正确。 我正在尝试本文档中概述的内容,其中一些可能会有用。
ftp://ftp.cis.upenn.edu/pub/datamining/public_html/ReadingGroup/papers/multiResponse.pdf
在我看来, lm(cbind(A,B,C,D)~shopping_pt+price)
恰好适合四个因变量的四种不同模型。 您提供的第二个链接甚至提到:
各个系数以及它们的标准误差将与多元回归产生的系数相同。 但是,OLS回归不会产生多变量结果,也不会允许测量方程中的系数。
意味着所有估计都是相同的,你只需要预测四次; 拟合系数的假设在模型中是独立的。
我刚刚尝试了下面这个例子,表明它看起来确实如此:
> set.seed(0)
> x1 <- runif(10)
> x2 <- runif(10)
> y1 <- 2*x1 + 3*x2 + rnorm(10)
> y2 <- 4*x1 + 5*x2 + rnorm(10)
> mm <- lm(cbind(y1,y2)~x1+x2)
> m1 <- lm(y1~x1+x2)
> m2 <- lm(y2~x1+x2)
# If we look at mm, m1 and m2, we see that models are identical
# If we predict new data, they give the same estimates
> x1_ <- runif(10)
> x2_ <- runif(10)
> predict(mm, newdata=list(x1=x1_, x2=x2_))
y1 y2
1 2.9714571 5.965774
2 2.7153855 5.327974
3 2.5101344 5.434516
4 1.3702441 3.853450
5 0.9447582 3.376867
6 2.3809256 5.051257
7 2.5782102 5.544434
8 3.1514895 6.156506
9 2.4421892 5.061288
10 1.6712042 4.470486
> predict(m1, newdata=list(x1=x1_, x2=x2_))
1 2 3 4 5 6 7 8 9 10
2.9714571 2.7153855 2.5101344 1.3702441 0.9447582 2.3809256 2.5782102 3.1514895 2.4421892 1.6712042
> predict(m2, newdata=list(x1=x1_, x2=x2_))
1 2 3 4 5 6 7 8 9 10
5.965774 5.327974 5.434516 3.853450 3.376867 5.051257 5.544434 6.156506 5.061288 4.470486
所以这表明你可以分别适应四种物流模型。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.