błąd R, który mówi „modele nie były zamontowane do tej samej wielkości zbioru danych”

Question

I zostały utworzone dwa ogólny model liniowy, co następuje:

glm1 <-glm(Y ~ X1 + X2 + X3, family=binomial(link=logit)) 

glm2 <-glm(Y ~ X1 + X2, family=binomial(link=logit)) 

I wtedy korzystać z anova funkcję:

anova(glm2,glm1) 

ale pojawia się komunikat o błędzie:

„błąd w anova.glmlist (c (lista (object), dotargs), dyspersja = dyspersja:
modele nie były dopasowane do tego samego rozmiaru zestawu danych "

Co to znaczy i jak mogę to naprawić? Mam attach ed zestaw danych na początku mojego kodu, więc oba modele działają z tego samego zestawu danych.

Answer 1

Główną przyczyną tego błędu jest brak wartości w jednej lub więcej zmiennych predykcyjnych. W ostatnich wersjach R domyślną akcją jest pominięcie wszystkich wierszy, w których brakuje jakichkolwiek wartości (poprzednią wartością domyślną było wygenerowanie błędu). Na przykład, jeśli ramka danych ma 100 wierszy i brakuje jednej wartości w X3, to twój model glm1 będzie pasował do 99 wierszy danych (zrzucając wiersz, w którym brakuje X3), ale obiekt glm2 będzie pasował do pełnego 100 wierszy danych (ponieważ nie używa X3, nie trzeba usuwać żadnych wierszy).

Tak więc funkcja anova daje błąd, ponieważ 2 modele pasowały do ​​różnych zestawów danych (i jak obliczać stopnie swobody itp.).

Jednym z rozwiązań jest utworzenie nowej ramki danych zawierającej tylko kolumny, które będą używane w co najmniej jednym z modeli i usuwanie wszystkich wierszy z brakującymi wartościami (funkcja na.omit lub na.exclude ułatwi to), następnie dopasuj oba modele do tej samej ramki danych, która nie ma żadnych brakujących wartości.

Inne opcje to przeglądanie narzędzi do wielokrotnego imputowania lub innych sposobów radzenia sobie z brakującymi danymi.

Answer 2

Zgaduję, że masz na myśli wpisać:

glm1 <-glm(Y ~ X1+X2+X3, family=binomial(link=logit)) 

glm2 <-glm(Y ~ X1 + X2, family=binomial(link=logit)) 

Interfejs formuła R funkcji regresji nie rozpoznaje przecinków jak dodawanie współzmiennych do RHS wzoru. I nie używaj attach(); użyj argumentu danych do funkcji regresji.

Answer 3

Rozwiązaniem jest użycie:

glm1 <-glm(Y ~ X1 + X2 + X3, family = binomial(link = logit), na.action = na.exclude) 
glm2 <-glm(Y ~ X1 + X2, family = binomial(link = logit), na.action = na.exclude) 

anova(glm2,glm1) 

Spowoduje to, że R obejmuje przypadki z brakującymi danymi (NA) dopasowanego modelu. Dzięki temu zbiory danych są identyczne w różnych modelach dopasowań, niezależnie od tego, jak rozproszone są dane.

Answer 4

Aby uniknąć błędu "models were not all fitted to the same size of dataset", należy dopasować oba modele do dokładnie tego samego podzbioru danych.Istnieją dwa proste sposoby, aby to zrobić:

• użyć data=glm1$model w 2. modelu pasuje
• lub pobrać prawidłowo subsetted zestawu danych za pomocą data=na.omit(orig.data[ , all.vars(formula(glm1))]) w 2. modelu pasuje

Oto powtarzalne przykład stosując lm (dla glm samo podejście powinno działać) i update:

# 1st approach 
# define a convenience wrapper 
update_nested <- function(object, formula., ..., evaluate = TRUE){ 
    update(object = object, formula. = formula., data = object$model, ..., evaluate = evaluate) 
} 

# prepare data with NAs 
data(mtcars) 
for(i in 1:ncol(mtcars)) mtcars[i,i] <- NA 

xa <- lm(mpg~cyl+disp, mtcars) 
xb <- update_nested(xa, .~.-cyl) 
anova(xa, xb) 
## Analysis of Variance Table 
## 
## Model 1: mpg ~ cyl + disp 
## Model 2: mpg ~ disp 
## Res.Df RSS Df Sum of Sq  F Pr(>F) 
## 1  26 256.91        
## 2  27 301.32 -1 -44.411 4.4945 0.04371 * 
## --- 
## Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

# 2nd approach 
xc <- update(xa, .~.-cyl, data=na.omit(mtcars[ , all.vars(formula(xa))])) 
anova(xa, xc) 
## Analysis of Variance Table 
## 
## Model 1: mpg ~ cyl + disp 
## Model 2: mpg ~ disp 
## Res.Df RSS Df Sum of Sq  F Pr(>F) 
## 1  26 256.91        
## 2  27 301.32 -1 -44.411 4.4945 0.04371 * 
## --- 
## Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Zobacz także:

• How to update `lm` or `glm` model on same subset of data?

Answer 5

Przyczyną jest dobrze opisany przez Greg śniegu. Alternatywnym i bardzo łatwym rozwiązaniem jest dodanie nowej zmiennej, dopasowując NA danej zmiennej problemowej, a poza tym wartość 1. Uwzględnij ją w obu modelach, a R wykluczy te same wiersze w obu modelach (- dopasują zbiory danych).