RMaster - Dr. Kim's Homepage

R프로그래밍 기초 1강 2강 3강 4강 R과 기초통계 문서자료 동영상자료

glm으로 logit regression을 만들고, model fit을 확인하려면? 스탠포드 대학의 정치과학계산연구소가 개발한 {pscl}의 pR2() 함수를 쓰면 McFadden의 R^2를 구할 수 있어요. 다음 예제 코드를 실행시켜 보세요. library(MASS) data(menarche) model <- glm(cbind(Menarche, Total-Menarche) ~ Age,family=binomial(logit), data=menarche) if(!require(pscl)) {   install.packages("pscl")   library(pscl) } # pR2()는 {pscl}의 함수 pR2(model)["McFadden"] 결과는  McFadden 0.9706837 97%의 pseudo R^2네요. McFadden's의 알고리즘은 categorical data analysis 책들이나 구글 검색해서 공부해요. ㅋㅋㅋ 모델의 적합도를 보는 다른 방법은 model이 데이터를 설명하는 예측력을 따져보는 것이에요. 이럴 때는 Pearson chi-square를 계산하지요. 1 - pchisq(deviance(model), df.residual(model)) 위의 계산을 보면 chi-square의 p-value를 구하는 것임이 보이지요. 이때 p-value가 유의미하지 않게 나와야 model fit이 있다고 봅니다. 왜냐구요? null hypothesis가 model이 관측치 예측을 잘 한다... 이것이니 reject하면 안되니까요. 이 계산법에는 문제가 있을 수 있어요. Grouped data를 기반으로 한 검정법이라서 covariance가 어느 정도 그룹화된 패턴이 나와야 해요. if(!require("epiR") {   install.packages("epiR")   library(epiR) } m