GLM - 使用分類預測器運行簡單線性回歸時沒有 R 平方輸出

Question

我正在使用數值響應（幸福感）和分類解釋（教育）變量運行簡單的線性回歸。 我知道有一些關於將分類變量處理為連續的想法，但在這種情況下，我想繼續將其視為一個因素。

現在...

當我想用 R 平方評估這個模型的數量時，掃帚包的掃視功能沒有為我提供指標。

在我的理解中，這里的空模型是響應變量的平均值，我在這里創建的線性模型是映射到解釋變量上的響應變量。 這里必須有某種影響大小來衡量。

你怎么認為？ 為什么我不能得到 R 平方，並且會不會有另一種效果大小，通過包含這個分類預測變量來告訴我關於模型改進的一些信息。

df <- tibble(education = c("Low", "Medium", "High", "Low", "Medium", "High", "High"),
             wellbeing = c(7, 6, 7, 4, 5, 4, 5))
df$education <- as.factor(df$education)

mdl <- glm(
  wellbeing ~ education + 0, 
  data = df,
  family = gaussian
)

library(dplyr)
library(broom)
mdl_scgeluk_min_havovwombo %>%
  glance() %>%
  pull(r.squared)

Answer 1

正如@Roland 在評論中指出的那樣，您可以使用lm()並調用summary()函數，

summary(lm(
  wellbeing ~ education + 0, 
  data = df,
  family = gaussian
))$r.squared

 0.9552469

或者因為我們知道普通最小二乘法的 R 平方公式是：

我們可以從您的 glm 結果中提取出來：

mdl <- glm(
  wellbeing ~ education + 0, 
  data = df,
  family = gaussian
)

1 - mdl$deviance/mdl$null.deviance

 0.9552469