我实现了对以下数据帧的逻辑回归，并得到了合理的（与使用STATA相同）的结果。但是我从R得到的皮尔逊卡方和自由度与STATA非常不同，后者反过来给了我一个非常小的p值。而且我无法获得 ROC 曲线下的面积。谁能帮我找出为什么残差（）不适用于具有先验权重的glm（），以及如何处理ROC曲线下的面积？
以下是我的代码和输出。
1. 数据
这是我的数据框test_data，y 是结果，x1 和 x2 是协变量：
y x1 x2 freq 0 No 0 268 0 No 1 14 0 Yes 0 109 0 Yes 1 1 1 No 0 31 1 No 1 6 1 Yes 0 45 1 Yes 1 6
我通过计算每个协变量模式的出现次数从原始数据生成此数据框，并将数字存储在新的变量freq中。
2. GLM模型
然后我做了逻辑回归，如下所示：
logit=glm(y~x1+x2, data=test_data, family=binomial, weights=freq)
输出显示：
偏差残差： 1 2 3 4 5 6 7 8
-7.501 -3.536 -8.818 -1.521 11.957 3.501 10.409 2.129系数： 估计标准误差 z 值 Pr（>|z|）
（拦截） -2.2010 0.1892 -11.632 <2e-16 ***x1 1.3538 0.2516 5.381 7.39e-08 ***
x2 1.6261 0.4313 3.770 0.000163 ***
表示代码： 0 '' 0.001 '' 0.01 '' 0.05 '."0.1 ' ' 1
（二项式族的离散参数取为 1）
Null deviance: 457.35 on 7 degrees of freedom残余偏差：5 个自由度上的 416.96 AIC： 422.96
费舍尔评分迭代次数：5
系数与 STATA 相同。
3. 卡方统计
当我尝试计算皮尔逊卡方时：
pearson_chisq = sum（requduals（logit， type = "pearson"， weights=test_data$freq）^2）
我得到了 488，而不是 STATA 给出的 1.3。此外，R 生成的自由度是 chisq_dof = df.residuals(logit) =5，而不是 1。所以我得到了一个非常小的p值~e^-100。
4. 歧视
然后我计算出ROC曲线下的面积为： library(verification)
logit_mf = model.frame（logit）
roc.area（logit_mf $y， fitted（logit））$A
输出为：
[1] 0.5 Warning message:In wilcox.test.default（pred[obs == 1]， pred[obs == 0]， alternative = "great"） ： 无法计算带连接的精确 p 值
谢谢！
我想出了最终解决这个问题的方法。我上面使用的数据集应该总结为协变量模式。然后用皮尔逊卡方的定义来做计算。我提供 R 代码如下：
# 提取协变量模式
图书馆（德普利尔）
temp=test_data %>% group_by（x1， x2） %>% summarise（m=sum（freq），y=sum（freq*y）） temp$pred=fitted（p01_logit_j）[1：4]# 计算皮尔逊卡方
temp=mutate（temp， pearson=（y-m pred）/sqrt（m pred*（1-pred）））
pearson_chi2 = with（temp， sum（pearson^2）） temp_dof = 4-（2+1） #dof=J-（p+1）# 计算 p 值
pchisq（pearson_chi2， temp_dof， lower.tail=F）
p 值的结果为 0.241941，与 STATA 相同。
为了计算 AUC，我们应该首先将协变量模式扩展到"原始"数据，然后使用"扩展"数据来获得 AUC。请注意，我们在频率表中有 392 个"0"和 88 个"1"。我的代码如下：
# 展开观察
y_expand=c（rep（0，392），rep（1，88））
logit_mf = model.frame（logit）
logit_pred = 拟合（对数）
logit_mf$freq=test_data$freq# 展开预测
yhat_expand=with（logit_mf， rep（pred， freq））
库（验证）
Roc.area（y_expand， YHAT）$A
AUC=0.6760，与STATA相同。