【问题标题】：How do you get R's null and residual deviance equivalents in Matlab fitglm?您如何在 Matlab fitglm 中获得 R 的零偏差和剩余偏差等价物？
【发布时间】：2016-11-20 15:33:30
【问题描述】：

在 R 中，拟合 glm 后，您可以获得包含剩余偏差和空偏差的摘要信息，这些信息告诉您您的模型与仅使用截距项的模型相比有多好，例如模型：

model <- glm(formula = am ~ mpg + qsec, data=mtcars, family=binomial)

我们有：

> summary(model)
...
    Null deviance: 43.2297  on 31  degrees of freedom
Residual deviance:  7.5043  on 29  degrees of freedom
AIC: 13.504
...

在 Matlab 中，当您使用 fitglm 时，您会返回 GeneralizedLinearModel 类的对象，该对象具有包含剩余偏差的 Deviance 属性。但是，我找不到与空偏差直接相关的任何内容。最简单的计算方法是什么？

示例 Matlab 代码：

load fisheriris.mat
model = fitglm(meas(:, 1), ismember(species, {'setosa'}), 'Distribution', 'binomial')

产生：

model = 


Generalized Linear regression model:
    logit(y) ~ 1 + x1
    Distribution = Binomial

Estimated Coefficients:
                       Estimate                SE                  tStat                 pValue       
                   _________________    _________________    _________________    ____________________

    (Intercept)     27.8285213954246      4.8275686220899     5.76450042948896    8.19000695766331e-09
    x1             -5.17569812610148    0.893399843474784    -5.79326061438645    6.90328570107794e-09


150 observations, 148 error degrees of freedom
Dispersion: 1
Chi^2-statistic vs. constant model: 119, p-value = 9.87e-28

剩余偏差为model.Deviance：

>> model.Deviance

ans =

          71.8363992272217

【问题讨论】：

标签： r matlab glm

【解决方案1】：

如果对 fitglm 的调用与表一起使用，并且使用 Wilkinson 表示法指定回归，则生成的 GeneralizedLinearModel 对象 model 具有允许我们检索用于拟合模型的表的属性，响应名称和分布。

由于 R 的零偏差只是拟合截距的模型的偏差，我们可以使用上述信息通过拟合 null_deviance_model 来找到它：

null_deviance_model = model.fit(model.Variables, ...
      [model.ResponseName, ' ~ 1'], 'Distribution', model.Distribution.Name);

R 的零偏差由null_deviance_model.Deviance 给出。

我不确定这是否扩展到使用矩阵和向量作为协变量/响应的回归。

【讨论】：

【解决方案2】：

我为 Matlab 编写了一个 GLM 类，它给出了完全相同的结果：

Generalized Linear Models in Matlab (same results as in R)

例如，在样本数据上具有伽马分布的对数链接 GLM 在 R 中给出了这一点：

Call:
glm(formula = MilesPerGallon ~ Horsepower + Acceleration + Cylinders, 
    family = Gamma(link = log), data = data)

Deviance Residuals: 
      Min         1Q     Median         3Q        Max  
-0.116817  -0.075084   0.004179   0.060545   0.197108  

Coefficients:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept)   4.955205   0.509903   9.718  < 2e-16 ***
Horsepower   -0.017605   0.004352  -4.046 5.21e-05 ***
Acceleration -0.026137   0.015540  -1.682   0.0926 .  
Cylinders     0.093277   0.054458   1.713   0.0867 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for Gamma family taken to be 0.0133)

    Null deviance: 0.388832  on 10  degrees of freedom
Residual deviance: 0.093288  on  7  degrees of freedom
AIC: 64.05

Number of Fisher Scoring iterations: 4

Pearson MSE:  0.008783281 
Deviance MSE:  0.008480725 
McFadden R^2:  0.7600815

使用包，同样的估计在 Matlab 中给出以下结果：

 :: convergence in 4 iterations
 ------------------------------------------------------------------------------------------
    dependent: MilesPerGallon
  independent: (Intercept),Horsepower,Acceleration,Cylinders
 ------------------------------------------------------------------------------------------
  log(E[MilesPerGallon]) = ß1×(Intercept) + ß2×Horsepower + ß3×Acceleration + ß4×Cylinders
 ------------------------------------------------------------------------------------------
 distribution: GAMMA
         link: LOG
       weight: -
       offset: -
 ============================================================
     Variable    Estimate     S.E.    z-value    Pr(>|z|)
 ============================================================
   (Intercept)      4.955     0.510    9.708     0.00000
    Horsepower     -0.018     0.004   -4.042     0.00005
  Acceleration     -0.026     0.016   -1.680     0.09290
     Cylinders      0.093     0.055    1.711     0.08706
 ============================================================
  Residual deviance:     0.0933     Deviance MSE: 0.0085
  Null deviance:         0.3888     Pearson MSE:  0.0088
  Dispersion:            0.0133     Deviance IC:  0.1026
  McFadden R^2:          0.7601     Residual df:  7.0000
 ============================================================

所以输出大致相同。希望这可以帮助某人。

【讨论】：