Glm()
在R语言中，glm()函数是用于拟合广义线性模型的内置函数。
函数定义：
glm(formula, data, family = gaussian, subset, weights, na.action,
start = NULL, etastart, mustart, offset, control = list(...),
model = TRUE, method = "glm.fit", x = FALSE, y = TRUE, contrasts = NULL,
...)
参数：
- formula：一个公式，指定了广义线性模型的形式。通常包含自变量和因变量的关系。
-
data：一个数据框，包含用于构建模型的所有变量。 -
family：一个描述误差结构和链接函数的对象。默认为高斯分布，即适用于普通线性回归。 family = binomial 用于逻辑回归 -
subset：一个逻辑向量或表达式，用于指定用于拟合模型的子集观测。 weights：一个数值向量，用于为每个观测指定权重。na.action：一个函数，用于处理缺失值。start：一个数值向量，用于指定模型参数的初始值。etastart：一个数值向量，用于指定线性预测器的初始值。mustart：一个数值向量，用于指定条件均值的初始值。offset：一个数值向量，用于指定线性预测器的偏移量。control：一个列表，用于指定控制参数。model：一个逻辑值，表示是否返回拟合的模型对象。默认为TRUE。method：一个字符，表示用于拟合模型的方法。默认为"glm.fit"。x、y、contrasts：这些参数在内部使用，通常不需要手动指定。...：其他传递给拟合函数的参数。
下面是一个常见用法的示例：
# 创建示例数据
x <- c(1, 2, 3, 4, 5)
y <- c(0, 0, 0, 1, 1)
# 拟合逻辑回归模型
model <- glm(y ~ x, family = binomial)
# 打印模型摘要
summary(model)
输出：
Call:
glm(formula = y ~ x, family = binomial)
Deviance Residuals:
1 2 3 4 5
-1.18972 -1.18972 -1.18972 1.23326 1.23326
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 4.605 2.699 1.706 0.0878 .
x -1.292 0.932 -1.386 0.1650
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 6.8541 on 4 degrees of freedom
Residual deviance: 5.9843 on 3 degrees of freedom
AIC: 9.9843
Number of Fisher Scoring iterations: 4
在上面的示例中，我们首先创建了自变量向量x和因变量向量y作为示例数据。然后，我们使用glm()函数拟合了一个逻辑回归模型，其中因变量y与自变量x之间的关系由公式y ~ x指定，并使用family = binomial指定了二项分布的链接函数。
将拟合的模型存储在model变量中。
最后，我们使用summary()函数打印了模型的摘要。摘要包含了拟合系估计、标准误差、z值、p值以及其他统计指标。
通过使用glm()函数，您可以根据数据和指定的公式拟合广义线性模型，并对拟合的模型进行统计分析。