如何在 probit 链接中制作最佳模型答案

【问题标题】：how can I make the best model in probit link如何在 probit 链接中制作最佳模型
【发布时间】：2017-10-30 15:36:14
【问题描述】：

我是 R 新手，我正在尝试所有可能的模型组合使用带有概率链接的广义线性模型和逻辑回归。但是，当我运行代码时，模型似乎都不够用我知道，如果其中一个模型足够，它就是最好的模型。这是我的代码，有什么问题吗？

install.packages("glm2")
library(glm2)
data("heart")
attach(heart)
head(heart)
nondeath<-c(Patients - Deaths)
nondeath
logreg4<-glm(cbind(Deaths,nondeath)~AgeGroup+Severity+Delay+Region,family=binomial(link = probit))
summary(logreg4)
1-pchisq(109.02,69)##model is not adequate 0.001524977
logreg6<-glm(cbind(Deaths,nondeath)~AgeGroup*Severity+Delay+Region,family=binomial(link = probit))
summary(logreg6)
1-pchisq(88.607,68)#0.04740388
logreg7<-glm(cbind(Deaths,nondeath)~AgeGroup*Severity*Delay+Region,family=binomial(link = probit))
summary(logreg7)
1-pchisq(85.906,65)#0.04232451
logreg8<-glm(cbind(Deaths,nondeath)~AgeGroup*Severity*Delay*Region,family=binomial(link = probit))
summary(logreg8)###model is not adequate 0.04740388


logreg5<-glm(cbind(Deaths,nondeath)~AgeGroup*Severity+Delay+Region,family=quasibinomial(link = probit))
summary(logreg5)
1-pchisq(79.485,58)##model is not adequate 0.04740388
logreg9<-glm(cbind(Deaths,nondeath)~AgeGroup*Severity*Delay+Region,family=quasibinomial(link = probit))
summary(logreg9)#0.04232451
logreg0<-glm(cbind(Deaths,nondeath)~AgeGroup*Severity*Delay*Region,family=quasibinomial(link = probit))
summary(logreg0)##model is not adequate 0.04740388

【问题讨论】：

“足够”对您意味着什么。这似乎更像是一个关于模型拟合而不是编程的问题。它可能比 Stack Overflow 更适合 Cross Validated，但它似乎仍然被误导了。无法保证您收集的变量之间存在任何关系。

标签： r logistic-regression glm

【解决方案1】：

您正在使用 glm2 中的数据集，用于演示 glm 收敛中的问题，但您不使用 glm2 而是使用 glm。您需要先将变量转换为因子，这里有数字，所以使用

logreg4<-
glm(cbind(Deaths,nondeath)~factor(AgeGroup)+factor(Severity)+factor(Delay)+factor(Region),family=binomial(link 
= probit))

查看残差时，发现有问题，因此最好使用数据集的日志链接。查看？ glm2 举一些例子。您可以选择 AIC 最低的模型。

【讨论】：