用 R 進行判別分析

Question

我正在使用 R 進行判別分析。代碼如下：

fit <- lda(group~ A+C1_1+C2+D1a_1+D2_1+D3_1+D3_2+D3_3+E1a_1+E1b_1+E1b_2+E2_1+E3_1+E3_2+E3_3+F2+G_1+G_2+G_3+G_4+H1_1+H2a_1+H2b_1+H3_1+H4_1_1+H1_2+H2a_2+H2b_2+ H3_2+H4_1_2+J1_1+J2_1+J3_1+K1a+K2_1+K2_2+K2_3+K2_4,data=data1)

但不幸的是，我收到以下錯誤：

Error in x - group.means[g, ] : non-conformable arrays

這是 str(data1) 輸出：

'data.frame':   210 obs. of  133 variables:

 $ A               : int  1 1 1 1 1 1 1 2 1 2 ...

 $ C1_1            : int  22 29 12 12 25 15 30 20 30 15 ...
 $ C2              : int  2 2 2 2 2 2 2 1 2 2 ...
 $ D1a_1           : int  40 50 160 15 150 105 150 45 100 80 ...
 $ D2_1            : int  100 100 100 100 100 100 100 90 95 100 ...
 $ D3_1            : int  5 15 40 10 30 25 30 40 25 60 ...
 $ D3_2            : int  10 30 30 15 30 25 60 40 20 10 ...
 $ D3_3            : int  10 30 30 10 10 15 10 20 20 30 ...
 $ E1a_1           : int  80 25 140 30 150 120 80 30 100 100 ...
 $ E1b_1           : int  100 50 50 25 80 70 80 75 10 75 ...
 $ E1b_2           : int  0 50 50 75 20 30 20 25 90 25 ...
 $ E2_1            : int  20 60 75 70 60 80 75 100 60 80 ...
 $ E3_1            : int  5 20 20 5 30 20 25 25 10 30 ...
 $ E3_2            : int  10 20 40 15 30 20 50 50 10 30 ...
 $ E3_3            : int  10 20 15 10 10 20 25 25 10 40 ...
 $ G_1             : int  5 50 20 25 80 10 30 25 35 5 ...
 $ G_2             : int  0 10 50 50 10 10 30 30 30 10 ...
 $ G_3             : int  90 30 20 25 10 50 5 30 15 80 ...
 $ G_4             : int  5 10 10 0 0 30 35 15 20 5 ...
 $ H1_1            : int  1 3 3 2 3 2 3 3 2 3 ...
 $ H2a_1           : int  NA NA NA 1 NA 2 NA NA 1 NA ...

 $ H2b_1           : int  NA 2 1 NA 2 NA 1 1 NA 1 ...

 $ H3_1            : int  2 2 2 2 2 3 3 3 2 2 ...

 $ H4_1_1          : int  6 5 7 6 3 6 5 6 5 5 ...

 $ J1_1            : int  4 6 4 4 4 4 6 7 3 3 ...
 $ J2_1            : int  2 6 5 3 4 4 1 2 3 3 ...
 $ J3_1            : int  4 5 3 3 4 4 6 7 3 4 ...

 $ K1a             : int  2 2 2 2 2 2 2 2 1 1 ...

 $ K2_1            : int  NA NA NA NA NA NA NA NA 0 0 ...
 $ K2_2            : int  NA NA NA NA NA NA NA NA 1 0 ...
 $ K2_3            : int  NA NA NA NA NA NA NA NA 0 1 ...
 $ K2_4            : int  NA NA NA NA NA NA NA NA 0 0 ...

  [list output truncated

]]

其次，誰能告訴我如何獲得判別分析中使用的變量的顯着性水平。

Answer 1

適用於沒有NA值的隨機生成的數據集：

set.seed(101)
z <- matrix(runif(210*133),nrow=210)
zz <- data.frame(A=sample(1:2,size=210,replace=TRUE),z)
m <- MASS::lda(A~.,data=zz)

如果添加足夠的NA我可以重現錯誤：

z2 <- z
z2[sample(length(z),size=2000)] <- NA
zz2 <- data.frame(A=sample(1:2,size=210,replace=TRUE),z2)
m <- MASS::lda(A~.,data=zz2)

結果是

Error in x - group.means[g, ] : non-conformable arrays

（如果我淘汰的更少，我會收到關於共線性的警告）

首先，嘗試刪除具有任何NA值（或具有多個NA值的變量）的所有變量，看看是否可以使其正常工作。

對於問題的 p 值部分：谷歌搜索“+r MASS lda 判別分析”導致http://www.statmethods.net/advstats/discriminant.html並建議（並提供鏈接）這些 p 值的 MANOVA。

基於一點谷歌搜索，看起來人們通常使用 MANOVA 和 Wilks 的 lambda 在 LDA 的上下文中進行測試：例如， http ://userwww.sfsu.edu/~efc/classes/biol710/discrim/discrim .pdf說

判別函數分析分為兩個步驟：（1）測試一組判別函數的顯着性，以及； (2)分類。 第一步在計算上與 MANOVA 相同。

他們繼續展示了一個使用 Wilks' lambda 的例子，盡管?manova說 Pillai-Bartlett 測試（這是manova的默認值）可能更好......無論如何，進行測試非常容易。

> summary(manova(z~zz$A),test="Wilks")
           Df   Wilks approx F num Df den Df Pr(>F)
zz$A        1 0.38164  0.92587    133     76 0.6545
Residuals 208     

這當然不是你所要求的——你問（我認為）與單個變量而不是整體測試相關的顯着性水平。 我可以想象你可以通過適當的多重校正邏輯回歸做一些事情，但這正在變成一個統計而不是 R 問題。 如果您在這里沒有得到任何進一步的答案，您可能會考慮在http://stats.stackexchange.com上提出一個適當重新表述的問題，參考這個問題......

Answer 2

另一個潛在的問題是因為數據集面臨秩不足問題。 也就是說，其中一個類中的某些變量完全相同。

如果我們檢查了“NA”並且沒有，我們還可以運行一個快速測試：

lda(Y ~ Var1, data = Data.Name)

如果它有效，那么我們可以通過更改以下代碼塊中的 varlist 手動找到合適的變量子集：

# a subset of all of your predictors, I recommend start from some simple ones
varlist <- c(1:5, 8:10) 
# get the colnames from the data frame
Col.Name <- colnames(Data.Name)[varlist]
# form a formula
fun <- paste("Response ~", paste(as.character(Col.Name), sep = "=", collapse = " + "))
fun <- formula(fun)
# pass it to the lda function
lda(fun, data = Data.Name)

我們剛剛排除的那些變量在至少一個類中應該具有相同的數字，我們可以通過回顧我們的原始數據來檢查它。