R语言回归中的Hosmer-Lemeshow拟合优度检验
在依赖模型得出结论或预测未来结果之前,我们应尽可能检查我们假设的模型是否正确指定。也就是说,数据不会与模型所做的假设冲突。
我们围绕回归技术进行一些咨询,帮助客户解决独特的业务问题。对于二元结果,逻辑回归是最流行的建模方法。在这篇文章中,我们将看一下 Hosmer-Lemeshow逻辑回归的拟合优度检验。
相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险
逻辑回归Logistic模型原理和R语言分类预测冠心病风险实例
,时长06:48
Hosmer-Lemeshow拟合优度检验
Hosmer-Lemeshow拟合优度检验是基于根据预测的概率或风险将样本分开。具体而言,基于估计的参数值,对于样本中的每个观察,基于每个观察的协变量值计算概率。
然后根据样本的预测概率将样本中的观察分成g组(我们回过头来选择g)。假设(通常如此)g = 10。然后第一组由具有最低10%预测概率的观察组成。第二组由预测概率次之小的样本的10%组成。
在实践中,只要我们的一些模型协变量是连续的,每个观测将具有不同的预测概率,因此预测的概率将在我们形成的每个组中变化。为了计算我们预期的观察数量,Hosmer-Lemeshow测试取组中预测概率的平均值,并将其乘以组中的观察数。测试也执行相同的计算,然后计算Pearson拟合优度统计量。
选择组的数量
就我所见,关于如何选择组数g的指导很少。Hosmer和Lemeshow的模拟结论是基于使用的,建议如果我们在模型中有10个协变量 。
直观地说,使用较小的g值可以减少检测错误的概率。
R
首先,我们将使用一个协变量x模拟逻辑回归模型中的一些数据,然后拟合正确的逻辑回归模型。
n < - 100
x < - rnorm(n)
xb < - x
pr < - exp(xb)/(1 + exp(xb))
y < - 1 *(runif(n)<pr)
mod < - glm(y~x,family = binomial)
接下来,我们将结果y和模型拟合概率传递给hoslem.test函数,选择g = 10组:
Hosmer and Lemeshow goodness of fit (GOF) testdata: mod$y, fitted(mod)
X-squared = 7.4866, df = 8, p-value = 0.4851
这给出p = 0.49,表明无法拒绝原假设,拟合效果好。 我们还可以从我们的hl对象中获得一个观察值与期望值的表:
cbind(hl$observed,hl$expected)y0 y1 yhat0 yhat1
[0.0868,0.219] 8 2 8.259898 1.740102
(0.219,0.287] 7 3 7.485661 2.514339
(0.287,0.329] 7 3 6.968185 3.031815
(0.329,0.421] 8 2 6.194245 3.805755
(0.421,0.469] 5 5 5.510363 4.489637
(0.469,0.528] 4 6 4.983951 5.016049
(0.528,0.589] 5 5 4.521086 5.478914
(0.589,0.644] 2 8 3.833244 6.166756
(0.644,0.713] 6 4 3.285271 6.714729
(0.713,0.913] 1 9 1.958095 8.041905
为了帮助我们理解计算,现在让我们自己手动执行测试。首先,我们计算模型预测概率,然后根据预测概率的十分位数对观测值进行分类:
pihat <- mod$fitted
pihatcat <- cut(pihat, brks=c(0,quantile(pi 1,0.9,0.1)),1), els=FALSE)
接下来,我们循环通过组1到10,计算观察到的0和1的数量,并计算预期的0和1的数量。为了计算后者,我们找到每组中预测概率的均值,并将其乘以组大小,这里是10:
meanprobs <- array(0, dim=c(10,2))
expevents <- array(0, dim=c(10,2))
obsevents <- array(0, dim=c(10,2))for (i in 1:10) {meanprobs[i,1] <- mean(pihat[pihatcat==i])obsevents[i,2] <- sum(1-y[pihatcat==i])
}
最后,我们可以通过表格的10x2单元格中的(观察到的预期)^ 2 /预期的总和来计算Hosmer-Lemeshow检验统计量:
[1] 7.486643
与hoslem.test函数的测试统计值一致。
改变组的数量
下来,让我们看看测试的p值如何变化,因为我们选择g = 5,g = 6,直到g = 15。我们可以通过一个简单的for循环来完成:
for(i in 5:15){print(hoslem.test(mod $ y,fits(mod),g = i)$ p.value)
}
[1] 0.4683388
[1] 0.9216374
[1] 0.996425
[1] 0.9018581
[1] 0.933084
[1] 0.4851488
[1] 0.9374381
[1] 0.9717069
[1] 0.5115724
[1] 0.4085544
[1] 0.8686347
虽然p值有所改变,但它们都显然不重要,所以他们给出了类似的结论,没有证据表明不合适。因此,对于此数据集,选择不同的g值似乎不会影响实质性结论。
通过模拟检查Hosmer-Lemeshow测试
要完成,让我们进行一些模拟,以检查Hosmer-Lemeshow测试在重复样本中的表现。首先,我们将从先前使用的相同模型重复采样,拟合相同(正确)模型,并使用g = 10计算Hosmer-Lemeshow p值。我们将这样做1000次,并将测试p值存储在一个数组中:
pvalues < - array(0,1000)for(i in 1:1000){n < - 100x < - rnorm(n)pr < - exp(xb)/(1 + exp(xb))mod < - glm(y~x,family = binomial)}
完成后,我们可以计算出p值小于0.05的比例。由于此处正确指定了模型,因此我们希望这种所谓的类型1错误率不大于5%:
[1] 0.04
因此,在1,000次模拟中,Hosmer-Lemeshow测试在4%的情况下给出了显着的p值,表明不合适。所以测试错误地表明在我们预期的5%情况不合适 - 它似乎工作正常。
现在让我们改变模拟,以便我们适合的模型被错误地指定,并且应该很难适应数据。希望我们会发现Hosmer-Lemeshow测试在5%的情况正确地找到了不合适的证据。具体来说,我们现在将生成跟随具有协变量的逻辑模型,但我们将继续使用线性协变量拟合模型,以便我们的拟合模型被错误地指定。
我们发现,计算p值小于0.05的比例
[1] 0.648
因此,Hosmer-Lemeshow测试为我们提供了65%的不合适的重要证据。
R语言回归中的Hosmer-Lemeshow拟合优度检验相关推荐
- R语言回归中的Hosmer-Lemeshow以及calibration curve校正曲线
Hosmer-Lemeshow test 详细的Hosmer-Lemeshow test使用方法的介绍请参考:看这里 calibration curve是评价模型的一个重要指标,不信的话请看文章1,文 ...
- R语言回归模型中的Pr(>|t|)如何解读?Pr(>|t|)如何计算?
R语言回归模型中的Pr(>|t|)如何解读?Pr(>|t|)如何计算? 目录 |t|)如何解读?Pr(>|t|)如何计算?">R语言回归模型中的Pr(>|t|) ...
- R语言使用car包的durbinWatsonTest函数检验回归模型的响应变量(或者残差)是否具有独立性(Independence、是否具有自相关关javascript系autocorrelated)
R语言使用car包的durbinWatsonTest函数检验回归模型的响应变量(或者残差)是否具有独立性(Independence.是否具有自相关关系autocorrelated) 目录
- R语言回归模型构建、回归模型基本假设(正态性、线性、独立性、方差齐性)、回归模型诊断、car包诊断回归模型、特殊观察样本分析、数据变换、模型比较、特征筛选、交叉验证、预测变量相对重要度
R语言回归模型构建.回归模型基本假设(正态性.线性.独立性.方差齐性).回归模型诊断.car包诊断回归模型.特殊观察样本分析.数据变换.模型比较.特征筛选.交叉验证.预测变量相对重要度 目录
- R语言回归模型协方差分析(Analysis of Covariance)
R语言回归模型协方差分析(Analysis of Covariance) 目录 R语言回归模型协方差分析(Analysis of Covariance) 输入数据 ANCOVA分析
- 在R语言环境中无法载入rJava包的解决办法
问题描述: 安装包xlsx包后,运行library("xlsx")后弹出错误窗口: RGui (64-bit): Rgui.exe - 系统错误 无法启动此程序,因为计算机中丢失 ...
- R语言回归模型残差标准误差计算实战(Residual Standard Error):计算残差标准误、残差标准误解读
R语言回归模型残差标准误差计算实战(Residual Standard Error):计算残差标准误.残差标准误解读 目录
- R语言程序设计中的for循环实战
R语言程序设计中的for循环实战 目录 R语言程序设计中的for循环实战 R语言控制结构(Control Structures) R语言程序设计中的fo
- R语言与多元线性回归方程及各种检验
R语言与多元线性回归方程及各种检验 文章目录 R语言与多元线性回归方程及各种检验 一.模型建立 二.多重共线性 (1)产生的背景: (2)多重共线性的检验 1.简单相关系数法: 2.方差膨胀因子(vi ...
最新文章
- 空间点像素索引(二)
- find到带空格文件名用xargs处理的技巧
- 【C/C++开发】C++实现简单的线程池
- Ubuntu 18.04 安装 redis入门使用
- android 自己定义水平和圆形progressbar 仅仅定义一些style就能够
- 使用Redis创建分布式锁
- linux rsa登录改密码登录_linux服务器secureCRT RSA登录配置
- 设计模式 - 依赖倒置原则
- css矩形凹陷效果_被低估的CSS滤镜:drop-shadow
- Json字符串转对象和转List集合操作(alibabab版本)
- php连接mysql的方式_php连接mysql的三种方式
- ST-LINK官方驱动下载方法
- wget 覆盖文件下载的技巧,绝对有效
- 征集国内操作系统项目列表 zz
- Mysql数据库死锁实战-死锁演示-排他锁的相互等待
- 【翻译】Computer Vision for Autonomous Vehicles:Problems,Datasets and State-of-Art
- java 微信公众号发红包_微信公众号如何给用户发红包?
- 在软件开发的早期阶段为什么要进行可行性研究?应该从哪些方面研究目标系统的可行性?
- 苹果审核返回崩溃日志 iOS .crash文件处理 symbolicatecrash
- 人民网_领导留言板data2021年-2022年