如何获得我的二项式回归是否与 R 中的空模型显着不同的 p 值？

如何解决如何获得我的二项式回归是否与 R 中的空模型显着不同的 p 值？

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,family = "binomial")
# calculate marginal R2
print(r.squaredGLMM(res.binom))
# show p value
print(anova(res.null,res.binom))

这是我的 glm 混合模型的工作流程，但对于我的二项式模型，我没有获得仅针对预测变量的整体模型的 p 值。我希望有人能启发我吗？

我使用 glmer 作为模型的重复测量版本确实取得了一些成功，但不幸的是，这意味着我必须摆脱一些未重复测量的关键变量。

解决方法

也许你忘记了 test="Chisq" ？来自?anova.glm：

test：一个字符串，（部分）匹配“Chisq”之一， “LRT”、“Rao”、“F”或“Cp”。请参阅“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" 命名不当：它是一个似然比检验，注意它是一个渐近检验[依赖于大样本量]。对于具有可调尺度参数（高斯、伽玛、准似然）的 GLM，您将使用 test="F"。