내가 알 수 있듯이 가중치 데이터와 survey
패키지를 사용할 때 R에서 최소 최소 제곱 회귀 분석을 실행할 수 없습니다 . 여기서 우리는 svyglm()
대신 일반화 된 선형 모델을 실행하는 을 사용해야 합니다.
svyglm
측량 비 네트 (버전 3.32-1)에서 family = gaussian()
기본값 인 것처럼 보이는 선형 모델을 제공합니다 . 그들이 찾은 예제를 참조하십시오 .regmodel
패키지는 호출 할 때 올바른 가중치를 사용하도록합니다 glm
. 따라서 결과가 연속적이며 결과가 정상적으로 iid 분포라고 가정하면을 사용해야합니다 family = gaussian()
. 결과는 가중 선형 모형입니다. 이 답변
survey
패키지 에서 OLS를 실행할 수없는 이유는 무엇 입니까? Stata의 가중치 데이터와 관련이있는 것 같습니다.
survey
패키지로 실제로 할 수 있다고 말함으로써 . 다음의 질문은
일반화 된 선형 모형의 이탈 도와 r- 제곱 값의 해석 차이는 무엇입니까?
얻을 수있는 정직 공식이 로 어떤 사람들이 코멘트에 언급 한 바와 같이. 아래에 표시된 것처럼 가중치를 추가해도 아무것도 변경되지 않습니다.아르 자형2family = gaussian()
> set.seed(42293888)
> x <- (-4):5
> y <- 2 + x + rnorm(length(x))
> org <- data.frame(x = x, y = y, weights = 1:10)
>
> # show data and fit model. Notice the R-squared
> head(org)
x y weights
1 -4 0.4963671 1
2 -3 -0.5675720 2
3 -2 -0.3615302 3
4 -1 0.7091697 4
5 0 0.6485203 5
6 1 3.8495979 6
> summary(lm(y ~ x, org, weights = weights))
Call:
lm(formula = y ~ x, data = org, weights = weights)
Weighted Residuals:
Min 1Q Median 3Q Max
-3.1693 -0.4463 0.2017 0.9100 2.9667
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.7368 0.3514 4.942 0.00113 **
x 0.9016 0.1111 8.113 3.95e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 2.019 on 8 degrees of freedom
Multiple R-squared: 0.8916, Adjusted R-squared: 0.8781
F-statistic: 65.83 on 1 and 8 DF, p-value: 3.946e-05
>
> # make redundant data set with redundant rows
> idx <- unlist(mapply(rep, x = 1:nrow(org), times = org$weights))
> org_redundant <- org[idx, ]
> head(org_redundant)
x y weights
1 -4 0.4963671 1
2 -3 -0.5675720 2
2.1 -3 -0.5675720 2
3 -2 -0.3615302 3
3.1 -2 -0.3615302 3
3.2 -2 -0.3615302 3
>
> # fit model and notice the same R-squared
> summary(lm(y ~ x, org_redundant))
Call:
lm(formula = y ~ x, data = org_redundant)
Residuals:
Min 1Q Median 3Q Max
-1.19789 -0.29506 -0.05435 0.33131 2.36610
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.73680 0.13653 12.72 <2e-16 ***
x 0.90163 0.04318 20.88 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.7843 on 53 degrees of freedom
Multiple R-squared: 0.8916, Adjusted R-squared: 0.8896
F-statistic: 436.1 on 1 and 53 DF, p-value: < 2.2e-16
>
> # glm gives you the same with family = gaussian()
> # just compute the R^2 from the deviances. See
> # /stats//a/46358/81865
> fit <- glm(y ~ x, family = gaussian(), org_redundant)
> fit$coefficients
(Intercept) x
1.7368017 0.9016347
> 1 - fit$deviance / fit$null.deviance
[1] 0.8916387
편차는 사용할 때 제곱 오차의 합입니다 family = gaussian()
.
경고
나는 당신이 당신의 질문에서 선형 모델을 원한다고 가정합니다. 또한 survey
패키지를 사용한 적이 없지만 신속하게 스캔하여 답변에서 언급 한 내용에 대해 가정했습니다.