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。
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"
。