如何获得关于我的二项式回归是否与 R 中的空模型有显着差异的 p 值？

Question

我有一个人口统计数据集 demos_mn 和一个结果变量。有 5 个感兴趣的变量，因此我的 glm 和 null 模型如下所示：

# binomial model
res.binom <- glm(var.bool ~ var1 + var2*var3 + var4 + var5,
                 data = demos_mn, family = "binomial")
# null model
res.null <- glm(var.bool ~ 1,
                 data = demos_mn, family = "binomial")
# calculate marginal R2
print(r.squaredGLMM(res.binom))
# show p value
print(anova(res.null, res.binom))

这是我的 glm 混合模型的工作流程，但对于我的二项式模型，我没有得到仅预测变量的整体模型的 p 值。我希望有人能启发我？

我确实使用 glmer 对模型的重复测量版本取得了一些成功，但不幸的是，这意味着我必须摆脱一些未重复测量的关键变量。

Answer 1

也许你忘了test="Chisq"？来自 ?anova.glm:

test: a character string, (partially) matching one of ‘"Chisq"’, ‘"LRT"’, ‘"Rao"’, ‘"F"’ or ‘"Cp"’. See ‘stat.anova’.

example("glm") ## to set up / fit the glm.D93 model
null <- update(glm.D93, . ~ 1)
anova(glm.D93, null, test="Chisq")

Analysis of Deviance Table

Model 1: counts ~ outcome + treatment
Model 2: counts ~ 1
  Resid. Df Resid. Dev Df Deviance Pr(>Chi)
1         4     5.1291                     
2         8    10.5814 -4  -5.4523    0.244

test="Chisq" 命名不当：这是一个似然比检验，请注意它是一个渐近检验 [依赖于大样本量]。对于具有可调尺度参数（高斯、伽玛、准似然）的 GLM，您将使用 test="F".

如何获得关于我的二项式回归是否与 R 中的空模型有显着差异的 p 值？

How can I get the p-value for whether my binomial regression is significantly different from a null model in R?

statistics

r

model-fitting

anova

logistic-regression