glm 摘要没有给出系数值答案

【问题标题】：glm summary not giving coefficients valuesglm 摘要没有给出系数值
【发布时间】：2023-04-02 13:29:01
【问题描述】：

我正在尝试在给定的数据集上应用 glm，但 summary(model1) 没有给我正确的输出，它没有给出 Estimate Std. Error z value Pr(>|z|) 等的系数值，它只是给我 NA 作为输出单个属性元素。

TEXT <- c('Learned a new concept today : metamorphic testing.  t.co/0is1IUs3aW','BMC Bioinformatics BioMed Central: Detecting novel ncRNAs by experimental #RNomics is not an easy task... http:/t.co/ui3Unxpx #bing @MyEN','BMC Bioinformatics BioMed Central: small #RNA with a regulatory function as a scientific ... Detecting novel… http:/t.co/wWHOEkR0vc #bing','True or false? link(#Addition, #Classification) http:/t.co/zMJuTFt8iq #Oxytocin','Biologists do have a sense of humor, especially computational bio people http:/t.co/wFZqaaFy')
NAME <- c('QSoft Consulting','Fabrice Leclerc','Sungsam Gong','Frederic','Zach Stednick')
SCREEN_NAME <-c ('QSoftConsulting','rnomics','sunggong','rnomics','jdwasmuth')
FOLLOWERS_COUNT <- c(734,1900,234,266,788)
RETWEET <- c(1,3,5,0,2)
FRIENDS_COUNT <-c(34,532,77,213,422)
STATUSES_COUNT <- c(234,643,899,222,226)
FAVOURITES_COUNT <- c(144,2677,445,930,254)

df <- data.frame(TEXT,NAME,SCREEN_NAME,RETWEET,FRIENDS_COUNT,STATUSES_COUNT,FAVOURITES_COUNT)
mydata<-df
mydata$FAVOURITES_COUNT <- ifelse( mydata$FAVOURITES_COUNT >= 445, 1, 0)  #converting fav_count to binary values

拆分数据

library(caret)
split=0.60
trainIndex <- createDataPartition(mydata$FAVOURITES_COUNT, p=split, list=FALSE)
data_train <- mydata[ trainIndex,]
data_test <- mydata[-trainIndex,]

glm 模型

library(e1071)
model1 <- glm(FAVOURITES_COUNT~.,family = binomial, data = data_train)
summary(model1)

到目前为止，我想获取 p 值以进行进一步分析，我认为我的代码是正确的，我怎样才能获得正确的输出？

【问题讨论】：

改用 CrossValidated：stats.stackexchange.com
你是否分解了名义变量as.factor()？
确定。不，除了我刚刚发布的代码之外，我没有做任何事情。为什么我们应该使用 as.factor() 作为名义变量？
也许参数数（7）多于观察数（5），p > n？逻辑回归无法拟合此数据？
glm 不需要库 e1071，它是 svm 的

标签： r logistic-regression data-science

【解决方案1】：

只有当因变量有两个结果时，二项分布才有效。当因变量是计数时，您应该考虑泊松分布。更多详情请看这里：http://www.statmethods.net/advstats/glm.html

【讨论】：

你是对的，但看起来 OP 用 mydata$FAVOURITES_COUNT <- ifelse( mydata$FAVOURITES_COUNT >= 445, 1, 0) #converting fav_count to binary values 解决了这个问题
啊抱歉没有发现那条线。谢谢

【解决方案2】：

您用于拟合 GLM 的代码在编程上是正确的。但是，有几个问题：

如 cmets 中所述，对于每个分类变量，您应该使用 as.factor() 将其变为因子。 GLM 不知道什么是“字符串”变量。
正如 MorganBall 所指出的，如果您的数据确实是计数数据，您可以考虑使用 Poisson GLM 对其进行拟合，而不是转换为二进制并使用 Logistic 回归。
您表示您有 13 个参数和 1000 个观察值。虽然这似乎是足够的数据，但请注意，其中一些参数可能只有很少（接近 0？）观察值。这是个问题。
此外，您是否确保您的数据没有perfectly separate 响应？因为如果有一些参数组合可以完美地分离响应，最大似然估计将不会收敛，理论上会趋于无穷大。实际上，您的估计会得到非常大的标准误差。

【讨论】：