广义线性模型工作流

打开实时脚本

这个例子展示了如何拟合一个广义线性模型并分析结果。典型的工作流包含以下步骤:导入数据，拟合广义线性模型，测试其质量，修改模型以提高其质量，并基于模型进行预测。在本例中，您使用Fisher虹膜数据来计算一朵花属于两类之一的概率。

加载数据

加载Fisher虹膜数据。

负载fisheriris

提取具有versicolor virginica分类的第51至150行。

X = meas(51:end，:);

创建逻辑响应变量真正的为多彩和假virginica。

Y = strcmp(“多色的”、物种(51:结束));

拟合广义线性模型

用二项广义线性模型拟合数据。

mdl = fitglm(X,y，“线性”，“分布”，“二”）

mdl =广义线性回归模型:logit(y) ~ 1 + x1 + x2 + x3 + x4分布=二项估计系数:估计SE tStat pValue ________ ______ _______ ________(拦截)42.638 25.708 1.6586 0.097204 x1 2.4652 2.3943 1.0296 0.30319 x2 6.6809 4.4796 1.4914 0.13585 x3 -9.4294 4.7372 -1.9905 0.046537 x4 -18.286 9.7426 -1.8769 0.060529 100个观测值，95个误差自由度色散:1 Chi^2统计量对常数模型:127,p值= 1.95e-26

根据模型显示，有一些p的值。pValue列都不小，这意味着可以简化模型。

检查和改进模型

确定系数的95%置信区间是否包括0。如果是这样，您可以删除具有这些间隔的模型项。

限制= coefCI(mdl)

confint =5×2-8.3984 93.6740 -2.2881 7.2185 -2.2122 15.5739 -18.8339 -0.0248 -37.6277 1.0554

只有第四个预测因子x3具有一个系数，其置信区间不包括0。

的系数x1而且x2有大量p-值及其95%置信区间包括0。测试两个系数是否都可以为零。指定一个假设矩阵来选择的系数x1而且x2．

M = [0 1 0 0 0 0 0 0 0 1 0 0];p = coefTest(mdl,M)

P = 0.1442

的p-value的值大约为0.14，这个值不小。删除x1而且x2从模型。

mdl1 = removeTerms(mdl，'x1 + x2'）

mdl1 =广义线性回归模型:logit(y) ~ 1 + x3 + x4分布=二项估计系数:估计SE tStat pValue ________ ______ _______ __________(拦截)45.272 13.612 3.326 0.00088103 x3 -5.7545 2.3059 -2.4956 0.012576 x4 -10.447 3.7557 -2.7816 0.0054092 100个观测值，97个误差自由度色散:1 Chi^2统计量对常数模型:118,p值= 2.3e-26

或者，您可以使用stepwiseglm．

mdl2 = stepwiseglm(X,y，“不变”，“分布”，“二”，“上”，“线性”）

1.添加x4, Deviance = 33.4208, Chi2Stat = 105.2086, PValue = 1.099298e-243.添加x3, Deviance = 20.5635, Chi2Stat = 12.8573, PValue = 0.000336166加x2, Deviance = 13.2658, Chi2Stat = 7.29767, PValue = 0.00690441

mdl2 =广义线性回归模型:logit(y) ~ 1 + x2 + x3 + x4分布=二项估计系数:估计SE tStat pValue ________ ______ _______ ________ (Intercept) 50.527 23.995 2.1057 0.035227 x2 8.3761 4.7612 1.7592 0.078536 x3 -7.8745 3.8407 -2.0503 0.040334 x4 -21.43 10.707 -2.0014 0.04535 100个观测值，96个误差自由度色散:1 Chi^2统计量对常数模型:125,p-value = 5.4e-27

的p值(pValue)x2在系数表中大于0.05，但是stepwiseglm包括x2在模型中，因为p值(PValue)以添加x2小于0.05。的stepwiseglm函数计算PValue使用搭配和不搭配x2，而函数计算pValue根据仅从最终模型计算出的近似标准误差。因此,PValue比pValue．

识别异常值

检查杠杆图以寻找有影响的异常值。

plotDiagnostics (mdl2“杠杆”）

图中包含一个axes对象。带有标题Case order plot的axis对象包含两个类型为line的对象。这些对象代表杠杆，参考线。

如果一个观测值的杠杆率大大超过了这个值，那么它就可以被认为是一个异常值p / n,在那里p系数和的个数是多少n是观察数。虚线参考线是一个建议阈值，由2 * p / n，对应该图中的0.08。一些观察结果的杠杆值大于10 * p / n(也就是0.40)。确定这些观察点。

idxOutliers = find(mdl2.Diagnostics.)利用> 10*mdl2.NumCoefficients/mdl2.NumObservations)

idxOutliers =4×119 21 57 85

看看当你拟合一个剔除这些点的模型时，模型系数是否会改变。

oldCoeffs = mdl2.Coefficients.Estimate;mdl3 = fitglm(X,y，“线性”，“分布”，“二”，.．.“PredictorVars”2:4,“排除”, idxOutliers);newCoeffs = mdl3. coefficient . estimate;disp ([oldCoeffs newCoeffs])

50.5268 44.0085 8.3761 5.6361 -7.8745 -6.1145 -21.4296 -18.1236

模型系数为mdl3与mdl2中的不同。这一结果表明，在高杠杆点的响应与简化模型的预测值不一致。

预测被Versicolor的概率

使用mdl3用平均值来预测一朵花是五彩缤纷的概率。为预测生成置信区间。

[newf,newc] = predict(mdl3,mean(X))

Newf = 0.4558

newc =1×20.1234 - 0.8329

该模型给出了近46%的概率，即平均花朵是五彩缤纷的，具有较宽的置信区间。

另请参阅