Firth 的逻辑回归

Question

我正在尝试通过进行逻辑回归来找到销售汽车的人的预测因子。我的样本量为 n=922，主要包含 kardinal 和 ordinal 变量。 由于我的一些变量有多达 7 个类别（--> 6 个虚拟变量），所以我遇到了分离。 在文献中，他们推荐了 Firth 的减偏逻辑回归方法。

安装软件包后，我使用了以下公式：

logistf(formula = attr(data, "formula"), data = sys.parent(), pl = TRUE, ...)

并输入（或尝试输入）我的数据：

mydataBrAll <- logistf(formula = attr(mydataBr$Verkauft, "formula"), data = mydataBr, pl = FALSE)
summary(mydataBrAll)

Verkauft 是我的因变量，mydataBr 是我的数据

"formula" 中必须输入什么样的术语？ 如果这可行，我可以像在常规 log.reg 中使用它一样使用逐步向后算法（或伪 R² 等）吗？型号？：

'Backwards Selection'
backwards <- step(mydataBrAll, direction = "backward")

你们中的一些人可能认为这是一个简单的问题，但我无法在网上解释的帮助下弄清楚。

非常感谢任何帮助！

Answer 1

公式应该是R中大多数建模函数中使用的常规公式对象（如lm()、glm()等）。 您可以通过在 R 命令行中键入 help(formula) 来获取有关如何编写公式的详细信息。

本质上，公式是y ~ model 形式的表达式。引用help(formula)的详情部分：

y ~ model 形式的表达式被解释为响应 y 由模型符号指定的线性预测器建模的规范。

在您的示例中，假设您有 3 个预测变量，分别称为 x1、x2、x3（可以是 numeric 或 factor 变量），您可以这样写：

mydataBrAll <- logistf(formula = Verkauft ~ x1 + x2 + x3, data = mydataBr, pl = FALSE)
summary(mydataBrAll)

请注意，公式可能更复杂，并涉及预测变量的转换。同样，有关更多详细信息，请参阅formula 的文档。

您知道，logistf() 的文档中显示的 attr(data, "formula") 表达式作为函数签名（又名 API）的一部分是指名为 formula 的属性，该属性可能存在于包含您所在数据的对象中传入函数的data 参数。由于您的示例中不是这种情况（显然您尚未将该属性添加到数据对象中），因此您必须在调用 logistf() 时明确定义公式。
有关对象中属性的更多信息，请参阅help(attr)。

关于后向选择的第二个问题：在 logistf() 文档的详细信息部分中，您会看到以下句子：

此外，前向和后向函数执行方便的变量选择

即该包包含一个forward() 和backward() 函数，可用于执行预测变量的前向和后向选择。

step() 函数也可能起作用，因为在其文档页面中没有任何相反的说明。