glmfit
拟合广义线性回归模型
描述
例子
用Probit Link拟合广义线性模型
拟合一个广义线性回归模型，并使用拟合模型计算预测数据的预测值(估值)。
创建一个示例数据集。
X = [2100 2300 2500 2700 2900 3100．..3300 3500 3700 3900 4100 4300]';N = [48 42 31 34 31 21 23 23 21 16 17 21]';Y = [1 2 0 3 8 8 14 17 19 15 17 21];
x包含预测变量值。每一个y值是在相应的试验中成功的次数n。
拟合probit回归模型y在x。
B = glmfit(x，[y n])，“二”，“链接”，“probit”)；
计算估计的成功次数。
yfit = glmval (b, x,“probit”，“大小”n);
绘制观察到的成功率和估计的成功率对比x值。
情节(x, y / n,“o”, x, yfit. / n,“- - -”）
用自定义链接函数拟合广义线性模型
定义一个自定义链接函数并使用它来拟合一个广义线性回归模型。
加载示例数据。
负载fisheriris
列向量物种包含三种不同种类的鸢尾花:蔷薇花、花斑花和弗吉尼亚花。矩阵量包含四种花的尺寸，萼片和花瓣的长度和宽度以厘米为单位。
定义预测变量和响应变量。
X =量(51:最终,);y = strcmp (“多色的”、物种(51:结束));
为logit链接函数定义一个自定义链接函数。创建三个函数句柄，分别定义链接函数、链接函数的导数和反向链接函数。将它们存储在单元格数组中。
Link = @(mu) log(mu./(1-mu));Derlink = @(mu) 1./(mu.*(1-mu));inlink = @(respp) 1./(1+exp(- respp));F ={链接、derlink invlink};
拟合逻辑回归模型使用glmfit使用自定义链接函数。
b = glmfit (X, y,“二”，“链接”F)
b =5×142.6378 2.4652 6.6809 -9.4294 -18.2861
利用内建函数拟合广义线性模型分对数链接函数，并比较结果。
b = glmfit (X, y,“二”，“链接”，分对数的）
b =5×142.6378 2.4652 6.6809 -9.4294 -18.2861
执行异常测试
拟合一个广义线性回归模型，该模型包含每个预测器的截距和线性项。执行偏差测试，以确定模型是否比常数模型更适合。
使用具有两个潜在预测因子的泊松随机数生成样本数据X (: 1)和X (:, 2)。
rng (“默认”）%的再现性rndvars = randn (100 2);X = [2 + rndvars(:，1)，rndvars(:，2)];mu = exp(1 + X*[1;2]);y = poissrnd(μ);
拟合一个广义线性回归模型，该模型包含每个预测器的截距和线性项。
[b, dev] = glmfit (X, y,“泊松”)；
第二个输出参数dev是一个异常的健康。
拟合一个只包含截距的广义线性回归模型。将预测变量指定为1的列，并指定“不变”作为“关闭”这glmfit模型中不包含常数项。
[~, dev_noconstant] = glmfit ((100 1), y,“泊松”，“不变”，“关闭”)；
计算dev_constant和dev。
D = dev_noconstant - dev_noconstant
D = 2.9533 e + 05
D有2个自由度的卡方分布。自由度等于对应模型中估计参数个数的差值dev以及常数模型中估计参数的个数。找到p-异常测试的值。
p = 1 - chi2cdf(D,2)
p = 0
小p-value表示模型与常量有显著差异。
或者，您可以通过使用fitglm函数。模型显示包括统计量(Chi^2-统计量与常数模型),p价值。
mdl = fitglm (X, y,'y ~ x1 + x2'，“分布”，“泊松”）
mdl =广义线性回归模型:log(y) ~ 1 + x1 + x2分布=泊松估计系数:估值SE tStat pValue ________ _________ ______ ______ (Intercept) 1.0405 0.022122 47.034 0 x1 0.9968 0.003362 296.49 0 x2 1.987 0.0063433 313.24 0 100个观测值，97个误差自由度1 Chi^2-statistic vs. constant model: 2.95e+05, p-value = 0
你也可以用thedevianceTest函数与拟合的模型对象。
devianceTest (mdl)
ans =2×4表异常DFE chi2Stat pValue __________ ___ __________ ______ 日志(y) ~ 1 2.9544 e + 05 99日志(y) ~ 1 x1 + x2 + 107.4 97 2.9533 e + 05年0
输入参数
输出参数
更多关于
选择功能
glmfit当您仅仅需要函数的输出参数时，或者当您想在循环中多次拟合模型时，是有用的。如果您需要进一步研究一个拟合模型，请创建一个广义线性回归模型对象GeneralizedLinearModel通过使用fitglm或stepwiseglm。一个GeneralizedLinearModel对象提供比glmfit。
利用
GeneralizedLinearModel研究一个拟合模型。对象属性包括关于系数估计、汇总统计、拟合方法和输入数据的信息。使用的对象函数
GeneralizedLinearModel预测反应，修正、评估和可视化广义线性回归模型。您可以在的输出中找到信息
glmfit的属性和对象函数GeneralizedLinearModel。的输出 glmfit等效值 GeneralizedLinearModelb看到 估计列的系数财产。dev看到 异常财产。统计数据在命令窗口中查看模型显示。你可以在模型属性(
CoefficientCovariance，系数，分散，DispersionEstimated,残差)．中的色散参数
统计数据。年代glmfit是系数的标准误差的比例因子，而色散参数在分散广义线性模型的性质是响应方差的比例因子。因此,stats.s的平方根是分散价值。
参考文献
多布森广义线性模型导论。纽约:查普曼与霍尔出版社，1990。
P. McCullagh和J. A. Nelder。广义线性模型。纽约:查普曼与霍尔出版社，1990。
[3] Collett D。二进制数据建模。纽约:查普曼与霍尔出版社，2002年出版。
扩展功能
你也可以从以下列表中选择一个网站:
