統計のコツのこつ(17)

前号の続きです。
それでは、「すぐに役立つ統計のコツ」第７章(106ページ)を開いて下さい。

 

本書(表7.20、109ページ)の結果は、下記のフリーオンラインソフトによるものでした。

 

http://www.wessa.net/rwasp_logisticregression.wasp

 

このフリーオンラインソフトの結果は、下記のコマンドで実行出来ます。

 

library(rbglm)
fit<- brglm(Event~ factor(f_Var.1)+ factor(f_Var.2)+ factor(f_Var.4), data=dat)
summary(fit)

 

出力結果：

********
Call:
brglm(formula = Event ~ f_Var.1 + f_Var.2 + f_Var.4, data = dat)

 
Coefficients:
            Estimate Std. Error z value Pr(>|z|)  
(Intercept)  -2.4247     0.9209  -2.633  0.00847 **
f_Var.1       2.0583     0.9730   2.115  0.03439 *
f_Var.2       1.3592     0.9250   1.469  0.14172  
f_Var.4       1.7358     0.8104   2.142  0.03220 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 

(Dispersion parameter for binomial family taken to be 1)

 

Null deviance: 45.170  on 39  degrees of freedom
Residual deviance: 35.008  on 36  degrees of freedom
Penalized deviance: 32.52244
AIC:  43.008
********

それでも、表7.20の p値と微妙に違うけど・・・、

 

 

このフリーオンラインソフトでは、次によりｐ値を補正しています。

 

d<- fit$df.residual
2*(1-pt(abs(rc[1,3]),d))

 

補正後のｐ値は次の通りであり表7.20 の p値と一致します。

 

********
> 2*(1-pt(abs(rc[1,3]),d))
[1] 0.01239416
> 2*(1-pt(abs(rc[2,3]),d))
[1] 0.04137652
> 2*(1-pt(abs(rc[3,3]),d))
[1] 0.1504057
> 2*(1-pt(abs(rc[4,3]),d))
[1] 0.03903875
********

 

 

 

ロジスティック回帰分析において、目的変数の数が大きく違っていなければ、通常の glm()を使えば良いでしょう。

 

このブログは「すぐに役立つ統計のコツ」(オーム社)をもとに、思いついた事を書いています。
次も引き続き「多変量解析」のお話です。

 
情報統計研究はここから