r语言做二分类logistic回归分析

ゞ浴缸里的玫瑰 2022-07-16 14:10 541阅读 0赞

\#第1步：读入数据  
setwd("C:/Users/IBM/Desktop/logsistic建模/3.2建模")\#设定当前的工作目录，重要！  
safe<-read.csv("model2.csv",header=T)  
str(safe) \#看表头  
colnames(safe)\#看列名  
attach(safe)  
cor(safe) \#变量间相关系数阵  
  
\#第2步：使用glm函数计算.  
glm.safe<-glm(is\_run~reg\_age+reg\_life+heart\_num+max\_period  
\+min\_period+median25\_period+median50\_period+median75\_period  
\+lost\_num\_m30+avg\_income\_fund+avg\_amt\_fund+avg\_nums\_fund  
\+avg\_amt\_p2p+avg\_nums\_p2p+log\_num+avg\_income\_p2p  
,data=safe,family=binomial)\#logistic模型  
summary(glm.safe)  
  
\#第3步：逐步回归  
glm.safe1<-step(glm.safe)  
summary(glm.safe1)\#逐步回归  
  
\#第4步：模型解读  
coef(glm.safe1)\#用以解释模型  
exp(glm.safe1$coefficients) \#解释Odds比与x的关系  
exp(confint(glm.safe1)) \#回归系数的置信区间  
xp05<-0/glm.safe1$coefficients\[\]  
xp05 \#求使得pi为0.5的x  
ratio05<-glm.safe1$coefficients\[\]\*0.25  
ratio05 \#pi为0.5处的pi关于x的变化率  
  
\#第5步：模型评价  
\#5.1计算决定系数  
R2cox<-1-exp((glm.safe1$deviance-glm.safe1$null.deviance)/length(is\_run))  
  
\#5.2计算Cox-Snell拟合优度  
cat("Cox-Snell R2=",R2cox,"\\n")  
R2nag<-R2cox/(1-exp((-glm.safe1$null.deviance)/length(is\_run)))  
  
\#5.3计算Nagelkerke拟合优度  
cat("Nagelkerke R2=",R2nag,"\\n")  
  
\#5.4残差分析  
plot(residuals(glm.safe1))  
  
\#5.5异常值诊断  
library(car)  
influencePlot(glm.safe1)  
  
\#第6步：分类表  
fitt.pi<-fitted(glm.safe1)\#同predict(glm.safe1,data.frame(x2=x2),type="resp")  
ypred<-1\*(fitt.pi>0.5) \#1\*逻辑变量就变成了0和1变量  
ypred  
length(ypred)  
n<-table(safe$is\_run,ypred)  
n  
Percantage<-c(n\[1,1\]/sum(n\[1,\]),n\[2,2\]/sum(n\[2,\]))  
Percantage  
rbind(Category,Percantage)