Caroline, Para obter a anova desse seu modelo você procede:
> anova(m1) De modo análogo ao usual com lm() ou aov(). Quanto a equação ajustada lembre-se que os glm envolvem uma função de ligação, que no caso canônico da binomial (default do erro é a "logit"). Assim os parâmetros para você construir sua equação ajustada vem desses coeficientes que aparecem do summary (intercept, altura, ...). Mas como eu disse você tem observar que como saem, essas estimativas devem passar pela função inversa da logit para você obter seus dados preditos! att, FH 2012/1/17 Caroline Figueiredo <[email protected]> > Olá pessoal, > > Estou com uma dúvida, que na verdade deve ser bem ridícula, mas realmente > não sei a resposta. A questão é a seguinte: > > Tenho dados binários como variável resposta ( 1 – vivo; 0 - morto), e > variáveis contínuas como explicativas, e vi no The R book do Crawley que > poderia usar GLM para construir um modelo, tendo binomial como família. > Usei o seguinte código (os valores são fictícios, pois li meus dados direto > da tabela, pois são muitas linhas). > > status<-c(0,1,0,1,1,1,1,1,0,1) > > altura<-c(2.2,1.3,4.5,6.7,1.3,4.5,1.2,2.0,7.8,1.2) > > newy<-c(5.5,1.2,7.8,1.4,1.3,2.3,3.2,1.3,6.7,1.4) > > m1<-glm(status~altura+newy+altura*newy, binomial) > > E o summary deu isso: > > > > Call: > > glm(formula = status ~ altura + newy + altura * newy, family = binomial) > > > > Deviance Residuals: > > Min 1Q Median 3Q Max > > -3.3122 0.1586 0.1969 0.2486 0.6394 > > > > Coefficients: > > Estimate Std. Error z value Pr(>|z|) > > (Intercept) 0.24827 0.52797 0.470 0.63818 > > altura 0.80654 0.20006 4.032 5.54e-05 *** > > newy 0.23918 0.05101 4.689 2.74e-06 *** > > altura:newy -0.04578 0.01753 -2.611 0.00903 ** > > --- > > Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 > > > > (Dispersion parameter for binomial family taken to be 1) > > > > Null deviance: 1705.0 on 7191 degrees of freedom > > Residual deviance: 1610.4 on 7188 degrees of freedom > > AIC: 1618.4 > > > > Number of Fisher Scoring iterations: 7 > > > > Minha dúvida é a seguinte: Qual é a equação ajustada para esse modelo? P. > ex., se fosse uma regressão linear o modelo seria y~x, e a equação y=a + > bx, mas e para esse modelo? > > A outra dúvida é se poderia fazer uma anova para comparar esse modelo com > o modelo nulo, e qual teste poderia usar, pois no exemplo do livro ele usa > o test= chi, porém está comparando dois modelos diferentes, e queria saber > se posso usar para comparar com o modelo nulo também. Bem é isso pessoal, > espero que possam me ajudar. > > Obrigada, > > Carol Figueiredo > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. >
_______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
