przewodnikPoPakiecieR 6

przewodnikPoPakiecieR 6



Wybrane procedury statystyczne

Deviance Residuals:

Min    1Q    Median    3Q    Max

-1.3475 -0.4597 -0.2263 -0.1132    2.3991

Coefficients: (Dispersion parameter for binomial family taken to be 1)

Nuli deviance: 73.052 on 85 degrees of freedom Residual deviance: 47.152 on 83 degrees of freedom (11 observations deleted due to missingness)

AIC: 53.152

Number of Fisher Scoring iteratlons: 6

Wmiowa oznacza wznowienie Hię

objawów

nowotworowych, np. przerzuty. Jest też okre^lu na jako niepowodzenie leczenia.

Jeżeli nie chcemy usuwać wierszy, w którycłi pojawiają się brakujące obserwacje możemy skorzystać z metody imputacji, omówionej w podrozdziale 3.3.1.



Estimate Std. Error z value Pr(>lzl)

(Intercept) -17.3914

4.3757

-3.975

7.05e-05 ***

Nowotwor 2.2586

0.7657

2.950

0.00318 **

log(VEGF) 1.3293

0.4250

3.128

0.00176 **

Signif. codes: 0 '***’

0.001 ‘

**’ 0.01

■*’ 0.05 0.1 '

• 1


■    . ‘Ą

Obie zmienne ilościowe (logarytm z VBGF oraz zaawansowanie nowotworu) wydają się mieć związek z prawdopodobieństwem pojawienia się wznowy, ponieważ odpowiadające im p-wartości są małe. Na rysunku 3.30 przedstawiliśmy funkcje logit charakteryzującą zależność pomiędzy wartością zmiennej ciągłej a prawdopodobieństwem wystąpienia określonego czynnika (w tym przykładzie prawdopodobieństwa wystąpienia wznowy).

Podobnie jak dla regresji liniowej, także w przypadku regresji logistycznej możemy korzystać z funkcji step(stats) (do wyboru zmiennych w modelu) oraz z funkcji predict(stats) (do predykcji wartości p, dla zadanego A'). Korzystając z funkcji step O należy pamiętać, by uprzednio pozbyć się wierszy z brakującymi obserwacjami. W przeciwnym przypadku nic będzie można porównywać modeli z różnymi liczbami obserwacji. Poniżej wykorzystujemy funkcję predictO do oszacowania prawdopodobieństwa wznowy dla różnych poziomów zmiennej opisującej rodzaj nowotworu.

Tabela 3.9: Wybrane pola obiektu klasy sv.mmary.glm

$coefficients

Macierz wymiarów p X 4 z informacjami o ocenie współczynników w modelu (pierwsza kolumna $Estimate), odchyleniu standardowym tych ocen (druga kolumna $Std. Error), wartościami statystyk testowej z (kolumna $z value) oraz p-wartościom wyznaczonym dla hipotezy zerowej o nieistot-ności danego parametru przy dwustronnej hipotezie alternatywnej (kolumna $Pr(>lzl)).

$df

Trójelementowy wektor z rangą modelu, liczbą stopni swobody oraz liczbą parametrów.

$cov.unscaled

Macierz kowariancji dla ocen współczynników.

Rysunek 3.30: Wykres rozrzutu dla zmiennej VKGF i zmiennej Niepowodzenie. Szanj linią przedstawiono dopasowaną funkcję logit, kółeczka odpowiadają pacjentkom

Tabela 3.10: Pola (właściwości) obiektu klasy glrn

$coefficients

Oceny współczynników w modelu.

$fitted.values

Wartości dopasowane, przekształcone przez funkcję wiążącą, w przypadku regresji logistycznej odpowiadają ocenom prawdopodobieństw fi.

$linear.predictors

Wartości dopasowane, przed przekształceniem przez funkcję wiążącą. Używając powyższych oznaczeń wartości te odpowiadają ln

$residuals

Robocze residua z ostatniej iteracji procesu dopasowania modelu. Zamiast korzystać z tego pola zaleca się korzystanie z funkcji residuals.glm(), która umożliwia wskazanie jakie residua nas interesują (parametr type, do wyboru jest wiele różnych typów' residuów, w zależności od tego do czego ich potrzebujemy).

$family

Wykorzystana funkcja wiążąca.

$aic

Wartość kryterium AIC dla dopasowanego modelu.

$iter

Liczba iteracji wykonanych do uzyskania ostatecznej postaci modelu.

$df.residual

Liczba stopni swobody dla residuów.

$converged

Wartość logiczna, określająca czy wykorzystywany algorytm IWLS (ang. ite.rntively reweighted least sguares) zakończył iterowanie ponieważ uznał, że znaleziono maksimum (wartość TR.UE) czy też wykonał więcej iteracji niż założono (wartość FALSE).


Wyszukiwarka

Podobne podstrony:
przewodnikPoPakiecieR8 Wybrane procedury statystycznea.4.4 Regresja Zagadnienie regresji rozwijane
przewodnikPoPakiecieR 0 Wybrane procedury statystyczne wyr az modelu, formuły -1 albo Otrz
przewodnikPoPakiecieR 7 Wybrane procedury statystyczno U budujemy model regresji logistycznej z jedn
przewodnikPoPakiecieR2 Wybrane procedury statystyczne gdzie /i() jest funkcją wiążącą (ang. link fu
przewodnikPoPakiecieR4 Wybrane procedury statystyczne Wynik każdego z wymienionych testów jest obie
przewodnikPoPakiecieR6 Wybrane procedury statystyczne lulaj przedstawimy jedynie jak używać tego te
przewodnikPoPakiecieR0 Wybrane procedury statystyczne ■■ Analiza przeżycia233 Do wizualnej oceny za
przewodnikPoPakiecieR4 140 Wybrane procedury statystyczne >    U ustawiamy ziarno
przewodnikPoPakiecieR 3 I 178 Wybrane procedury statystyczno W powyższym przykładzie wygląda na to,
przewodnikPoPakiecieR 1 I m 174 Wybrane procedury statystyczne. P So good «dvice here is: Bewarc
przewodnikPoPakiecieR 3 I 178 Wybrane procedury statystyczno W powyższym przykładzie wygląda na to,
75190 przewodnikPoPakiecieR 1 I m 174 Wybrane procedury statystyczne. P So good «dvice here is: B
przewodnikPoPakiecieR7 166 Wybrane procedury statystyczne mezczyzna piec Niepowodzenia Rysunek 3.23

więcej podobnych podstron