Uji rasio kemungkinan dalam R

Misalkan saya akan melakukan regresi logistik univariat pada beberapa variabel independen, seperti ini:

mod.a <- glm(x ~ a, data=z, family=binominal("logistic"))
mod.b <- glm(x ~ b, data=z, family=binominal("logistic"))

Saya melakukan perbandingan model (uji rasio kemungkinan) untuk melihat apakah model lebih baik daripada model nol dengan perintah ini

1-pchisq(mod.a$null.deviance-mod.a$deviance, mod.a$df.null-mod.a$df.residual)

Lalu saya membangun model lain dengan semua variabel di dalamnya

mod.c <- glm(x ~ a+b, data=z, family=binomial("logistic"))

Untuk melihat apakah variabel signifikan secara statistik dalam model multivariat, saya menggunakan lrtestperintah dariepicalc

lrtest(mod.c,mod.a) ### see if variable b is statistically significant after adjustment of a
lrtest(mod.c,mod.b) ### see if variable a is statistically significant after adjustment of b

Saya bertanya-tanya apakah pchisqmetode dan lrtestmetode ini setara untuk melakukan tes loglikelihood? Seperti yang saya tidak tahu cara menggunakan lrtestuntuk model logistik univate.

Pada dasarnya, ya, asalkan Anda menggunakan perbedaan yang benar dalam kemungkinan log:

> library(epicalc)
> model0 <- glm(case ~ induced + spontaneous, family=binomial, data=infert)
> model1 <- glm(case ~ induced, family=binomial, data=infert)
> lrtest (model0, model1)
Likelihood ratio test for MLE method 
Chi-squared 1 d.f. =  36.48675 , P value =  0 
> model1$deviance-model0$deviance
[1] 36.48675

dan bukan penyimpangan untuk model nol yang sama dalam kedua kasus. Jumlah df adalah jumlah parameter yang berbeda antara dua model bersarang, di sini df = 1. BTW, Anda dapat melihat kode sumber lrtest()hanya dengan mengetik

> lrtest

di prompt R.

Alternatif adalah lmtestpaket, yang memiliki lrtest()fungsi yang menerima model tunggal. Berikut adalah contoh dari ?lrtestdalam lmtestpaket, yang untuk LM tetapi ada metode yang bekerja dengan GLM:

> require(lmtest)
Loading required package: lmtest
Loading required package: zoo
> ## with data from Greene (1993):
> ## load data and compute lags
> data("USDistLag")
> usdl <- na.contiguous(cbind(USDistLag, lag(USDistLag, k = -1)))
> colnames(usdl) <- c("con", "gnp", "con1", "gnp1")
> fm1 <- lm(con ~ gnp + gnp1, data = usdl)
> fm2 <- lm(con ~ gnp + con1 + gnp1, data = usdl)
> ## various equivalent specifications of the LR test
>
> ## Compare two nested models
> lrtest(fm2, fm1)
Likelihood ratio test

Model 1: con ~ gnp + con1 + gnp1
Model 2: con ~ gnp + gnp1
  #Df  LogLik Df  Chisq Pr(>Chisq)    
1   5 -56.069                         
2   4 -65.871 -1 19.605  9.524e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
>
> ## with just one model provided, compare this model to a null one
> lrtest(fm2)
Likelihood ratio test

Model 1: con ~ gnp + con1 + gnp1
Model 2: con ~ 1
  #Df   LogLik Df  Chisq Pr(>Chisq)    
1   5  -56.069                         
2   2 -119.091 -3 126.04  < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1