R之回歸分析廣義線性模型(Generalized Linear Model)glm

1. 介紹

廣義線性模型(Generalized  Linear Model)是一般線性模型的推廣，它使因變量的總體均值通過一個非線性連接函數(shù)而依賴于線性預測值，允許響應概率分布為指數(shù)分布族中的任何一員。許多廣泛應用的統(tǒng)計模型都屬于廣義線性模型，如常用于研究二元分類響應變量的Logistic回歸、Poisson回歸和負二項回歸模型等。一個廣義線性模型包含以下三個部分:

①隨機成分。

②線性成分。

③連接函數(shù)g。

各種常見的指數(shù)型分布及其主要參數(shù)

典型的連接函數(shù)及對應分布

廣義線性模型的參數(shù)估計一般不能用最小二乘估計，常用加權最小二乘法或最大似然法估計，各回歸系數(shù)β需用迭代方法求解。

2. 實現(xiàn)

R提供了擬合廣義線性模型的函數(shù)glm(),其調用格式為

glm(formula, family = gaussian, data, weights, subset,

na.action, start = NULL, etastart, mustart, offset,

control = list(...), model = TRUE, method = "glm.fit",

x = FALSE, y = TRUE, contrasts = NULL, ...)

其中，

formula為擬合公式，與函數(shù)lm()中的參數(shù)formula用法相同;

family用于指定分布族，包括正態(tài)分布(gaussian)、二項分布(binomial)、泊松分布(poisson)和偽伽馬分布(Gamma)；

分布族還可以通過選項link來指定連接函數(shù)，默認值為family=gaussian (link=identity),二項分布默認值為family=binomial(link=logit);

data指定數(shù)據(jù)集;

offset指定線性函數(shù)的常數(shù)部分，通常反映已知信息;

control用于對待估參數(shù)的范圍進行設置。

例：

車險保單索賠次數(shù)分組數(shù)據(jù)

已知索賠次數(shù)服從泊松分布，相應的連接函數(shù)常用對數(shù)連接函數(shù)，模型可以寫為

下面用R實現(xiàn)，首先建立數(shù)據(jù)集，分類變量直接輸入定性的取值即可，glm()分析時會自動轉換成矩陣X,注意參數(shù)family的寫法。

> dat=data.frame(

y=c(42, 37, 10, 101, 73, 14),

n=c(500, 1200, 100, 400, 500, 300),

type=rep(c('小','中','大'),2),

gender=rep(c('男','女'),each=3)

)

> dat$logn=log(dat$n)  #風險暴露數(shù)取對數(shù)

#offset風險單位數(shù)事先已知

> dat.glm=glm(y~type+gender,offset=logn,data=dat,family=poisson(link=log))

> summary(dat.glm)  #glm的輸出結果

估計的回歸系數(shù)都是非常顯著的;Null deviance可以認為是模型的殘差，它的值越小說明模型擬合效果越好;模型的AIC統(tǒng)計量為61.68，它和deviance一起可以用來作為判斷標準，選取合適的分布族和鏈接函數(shù)。

下面通過作圖來觀察模型擬合的效果，首先提取模型的預測值，注意函數(shù)predict()提取的是線性部分的擬合值，在對數(shù)連接函數(shù)下，要得到Y的擬合值，應當再做一次指數(shù)變換。以實際觀測值為橫坐標，模型擬合值為縱坐標作圖，散點越接近直線y=x，說明模型的擬合效果越好。

> dat.pre=predict(dat.glm)

> layout(1)  #取消繪圖區(qū)域分割

> plot(y,exp(dat.pre),xlab='觀測值',ylab='擬合值',main="索賠次數(shù)的擬合效果",pch="*")

> abline(0,1)  #添加直線y=x，截距為0，斜率為1

若假設上例中的索賠次數(shù)服從負二項分布，在R中應輸入指令:

> library(MASS)

> attach(dat)

> dat.glmnb=glm.nb(y~type+gender+offset(logn))  #負二項回歸

> summary(dat.glmnb)  #輸出結果

負二項回歸擬合的模型AIC為60.45，殘差Null deviance為16.6831，小于泊松回歸擬合的殘差值，說明負二項分布的廣義線性模型更加穩(wěn)定，但從回歸系數(shù)的顯著性上看，泊松回歸擬合的變量系數(shù)更加顯著。