R语言广义线性模型Logistic回归模型C Statistics计算

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言广义线性模型Logistic回归模型C Statistics计算相关的知识,希望对你有一定的参考价值。

R语言广义线性模型Logistic回归模型C Statistics计算

区分能力指的是回归模型区分有病/无病、有效/无效、死亡/存活等结局的预测能力。比如,现有100个人,50个确定患病,50个确定不患病;我们用预测模型预测出45个有病,55个没病。那么这45个覆盖到50个真正有病的人的多少就直接决定了模型预测能力的准确程度,我们将其称为区分度,通常用ROC、C-Statistics来度量(在Logistic回归模型中ROC曲线下面积AUC=C-Statistics)。当然净重新分类指数(net reclassification improvement,NRI)和综合判别改善指数(integrated discrimination improvement,IDI)也是比较不同模型区分度的度量指标,后续章节中会进一步讲解。

对每个个体来说,我们既不希望误诊也不希望漏诊,所以对于基于Logistic 回归预测模型的好坏,常常会像做诊断试验一样绘制ROC曲线来判断预测的区分度。不同的是,用于绘制ROC曲线所用的指标不再是临床上的某个检测结果,而是用Logistic回归模型的预测概率。根据预测概率的大小判断事件是否发生,这样会得到一连串的灵敏度和特异度用于绘制ROC曲线,帮助我们来了解构建的预测模型是不是能准确预测事件的发生。

#C-statistics计算
library(foreign) 
library(rms)

mydata<-read.spss("lw

以上是关于R语言广义线性模型Logistic回归模型C Statistics计算的主要内容,如果未能解决你的问题,请参考以下文章

R语言广义线性模型函数GLM广义线性模型(Generalized linear models)glm函数构建逻辑回归模型(Logistic regression)

R语言广义线性模型Logistic回归模型列线图分析(nomogram)

R语言广义线性模型Logistic回归模型亚组分析及森林图绘制

R语言广义加性模型(generalized additive models,GAMs):使用广义线性加性模型GAMs构建logistic回归

R语言广义线性模型函数GLMR中有几种logistic回归扩展和变异robust包中的glmRob函数鲁棒logistic回归ms包中的lrm函数拟合序数逻辑回归

R语言广义线性模型函数GLMglm函数构建逻辑回归模型(Logistic regression)去除初步验证不具有显著性的特征再次构建逻辑回归模型简化模型(reduced model)