我如何获得二项回归是否与R中的零模型显著不同的p值

Question

我有一个人口统计数据集demos_mn和一个结果变量。有5个感兴趣的变量，所以我的glm和null模型看起来像这样：

# binomial model
res.binom <- glm(var.bool ~ var1 + var2*var3 + var4 + var5,
data = demos_mn, family = "binomial")
# null model
res.null <- glm(var.bool ~ 1,
data = demos_mn, family = "binomial")
# calculate marginal R2
print(r.squaredGLMM(res.binom))
# show p value
print(anova(res.null, res.binom))

这是我对glm混合模型的工作流程，但对于我的二项式模型，我没有得到整个模型的p值，只得到预测因子的p值。我希望有人能启发我？

我确实成功地将glmer用于模型的重复测量版本，但不幸的是，这意味着我必须去掉一些没有重复测量的关键变量。

Answer 1

也许你忘了test="Chisq"？来自?anova.glm:

测试：一个字符串，(部分(匹配'"Chisq"’，"；LRT"Rao"，"F〃’或"；Cp〃’。参见"stat.anova"。

example("glm") ## to set up / fit the glm.D93 model
null <- update(glm.D93, . ~ 1)
anova(glm.D93, null, test="Chisq")

Analysis of Deviance Table
Model 1: counts ~ outcome + treatment
Model 2: counts ~ 1
Resid. Df Resid. Dev Df Deviance Pr(>Chi)
1         4     5.1291                     
2         8    10.5814 -4  -5.4523    0.244

test="Chisq"的名称很差：它是一个似然比测试，注意它是一种渐近测试[依赖于大样本量]。对于具有可调标度参数(高斯、伽玛、准似然(的GLM，您将使用test="F"。