আর-এ "মাল্টিনাম" এর জন্য পি-মান পাওয়া (এনট প্যাকেজ)

Question

প্যাকেজটির multinomকার্যকারিতাটি ব্যবহার করে আমি কীভাবে পি-মান পেতে পারি ?nnetR

আমার একটি ডেটাসেট রয়েছে যার মধ্যে "প্যাথলজি স্কোর" (অনুপস্থিত, হালকা, গুরুতর) এবং ফলাফলের পরিবর্তনশীল হিসাবে দুটি প্রধান প্রভাব রয়েছে: বয়স (দুটি কারণ: বিশ / ত্রিশ দিন) এবং চিকিত্সা গ্রুপ (চারটি কারণ: এটিবি ছাড়াই সংক্রামিত; সংক্রামিত + এটিবি 1; সংক্রামিত + এটিবি 2; আক্রান্ত + এটিবি 3))

প্রথমে আমি একটি অর্ডিনাল রিগ্রেশন মডেল ফিট করার চেষ্টা করেছি, যা আমার নির্ভরশীল ভেরিয়েবলের বৈশিষ্ট্য (অর্ডিনাল) দেওয়া আরও উপযুক্ত বলে মনে হয়। তবে, প্রতিকূলতার আনুপাতিকতার অনুমানটি মারাত্মকভাবে লঙ্ঘন করা হয়েছিল (গ্রাফিকভাবে), যা আমাকে nnetপ্যাকেজটি ব্যবহার করে পরিবর্তে বহুজাতিক মডেল ব্যবহার করতে প্ররোচিত করেছিল ।

প্রথমে আমি ফলাফল স্তরটি বেছে নিয়েছিলাম যা আমার বেসলাইন বিভাগ হিসাবে ব্যবহার করা দরকার:

Data$Path <- relevel(Data$Path, ref = "Absent")

তারপরে, আমাকে স্বাধীন ভেরিয়েবলের জন্য বেসলাইন বিভাগগুলি সেট করা দরকার:

Data$Age <- relevel(Data$Age, ref = "Twenty")
Data$Treat <- relevel(Data$Treat, ref="infected without ATB") 

মডেলটি:

test <- multinom(Path ~ Treat + Age, data = Data) 
# weights:  18 (10 variable) 
initial value 128.537638 
iter 10 value 80.623608 
final  value 80.619911 
converged

আউটপুট:

Coefficients:
         (Intercept)   infected+ATB1   infected+ATB2   infected+ATB3    AgeThirty
Moderate   -2.238106   -1.1738540      -1.709608       -1.599301        2.684677
Severe     -1.544361   -0.8696531      -2.991307       -1.506709        1.810771

Std. Errors:
         (Intercept)    infected+ATB1   infected+ATB2   infected+ATB3    AgeThirty
Moderate   0.7880046    0.8430368       0.7731359       0.7718480        0.8150993
Severe     0.6110903    0.7574311       1.1486203       0.7504781        0.6607360

Residual Deviance: 161.2398
AIC: 181.2398

কিছুক্ষণের জন্য, আমি মডেলটির জন্য মূল্যগুলি পাওয়ার জন্য কোনও উপায় খুঁজে পাই না এবং ব্যবহারের সময় অনুমানও করি । গতকাল আমি একটি পোস্ট জুড়ে এসেছি যেখানে লেখক সহগের জন্য মূল্যগুলির প্রাক্কলন সম্পর্কিত একটি অনুরূপ ইস্যু সামনে রেখেছিলেন ( কীভাবে কোনও আর্টিতে বহুজাতিক লগাইট মডেল সেট আপ করতে এবং অনুমান করা যায়? ) সেখানে, একজন ব্লগার পরামর্শ দিয়েছিলেন যে প্রথমে মানগুলি অনুসরণ করে ফলাফলের ফলাফল থেকে মূল্য অর্জন করা বেশ সহজ :$p$nnet:multinom$p$$p$summarymultinom$t$

pt(abs(summary1$coefficients / summary1$standard.errors), df=nrow(Data)-10, lower=FALSE) 

         (Intercept)   infected+ATB1   infected+ATB2   infected+ATB3    AgeThirty
Moderate 0.002670340   0.08325396      0.014506395     0.02025858       0.0006587898
Severe   0.006433581   0.12665278      0.005216581     0.02352202       0.0035612114

পিটার Dalgard মতে, "একটা টু-টেইলড নিখোঁজ 2 এর উত্পাদকের অন্তত এর -value। এটি সাধারণত একটি ভুল ব্যবহার করা$p$$t$$z$multinom

$p$

Comments

আপনি একটি পূর্ণ এবং হ্রাস মডেল nnetএর anova()ফাংশন ব্যবহার করে সম্ভাবনা অনুপাত পরীক্ষা সঙ্গে মডেল তুলনা ব্যবহার করতে পারেন ।

— কারাকাল

Answer 1

ব্যবহার সম্পর্কে কি

z <- summary(test)$coefficients/summary(test)$standard.errors
# 2-tailed Wald z tests to test significance of coefficients
p <- (1 - pnorm(abs(z), 0, 1)) * 2
p

মূলত, এটি তাদের স্ট্যান্ডার্ড ত্রুটির সাথে সম্পর্কিত আনুমানিক সহগের উপর ভিত্তি করে তৈরি করা হবে এবং দুটি লেজযুক্ত পরীক্ষার উপর ভিত্তি করে শূন্যের সাথে একটি উল্লেখযোগ্য পার্থক্যের বিপরীতে পরীক্ষা করতে অ্যাজ টেস্ট ব্যবহার করবে। দুটিটির ফ্যাক্টরটি পিটার ডালগার্ড উপরে উল্লিখিত সমস্যাটিকে সংশোধন করে (আপনার এটি প্রয়োজন কারণ আপনি দুটি লেজযুক্ত পরীক্ষা চান, একটিও লেজযুক্ত নয়), এবং এটি অন্যটির সমাধানের জন্য টি-টেস্টের পরিবর্তে জেড-পরীক্ষা ব্যবহার করে সমস্যা যে আপনি উল্লেখ।

আপনি একই ফলাফল (ওয়াল্ড জেড-পরীক্ষা) ব্যবহার করেও পেতে পারেন

library(AER)
coeftest(test)

সম্ভাবনা অনুপাতের পরীক্ষাগুলি সাধারণত ওয়াল্ড জেড টেস্টের চেয়ে বেশি যথাযথ হিসাবে বিবেচিত হয় (দ্বিতীয়টি সাধারণ অনুমান ব্যবহার করে, এলআর টেস্টগুলি ব্যবহার করে না), এবং এগুলি ব্যবহার করে অর্জন করা যেতে পারে

library(afex)
set_sum_contrasts() # use sum coding, necessary to make type III LR tests valid
library(car)
Anova(test,type="III")

আপনি যদি জোড় করে টুকি পোস্টহক পরীক্ষা চালাতে চান তবে আমার অন্যান্য পোস্টে বর্ণিত lsmeansপ্যাকেজটি ব্যবহার করে এগুলি প্রাপ্ত করা যেতে পারে !

Comments

পদক্ষেপগুলির আরও কিছুটা ব্যাখ্যা ওপিতে সহায়তা করতে পারে।

— মোমো

এখনই আরও কিছু ব্যাখ্যা যুক্ত করা হয়েছে ...

— টম ওয়েনসিলিয়ার্স

এখানে একটি ভাল পৃষ্ঠা যা ওয়াল্ড জেড-পরীক্ষার বিকল্পটিতে প্রসারিত হয়েছে: stats.idre.ucla.edu/r/dae/multinomial-logistic-regression

— ডার্টস্ট্যাটস