在R（nnet程序包）中获取“ multinom”的p值

如何使用package中的multinom函数获取p值？nnetR

我有一个数据集，其中包含作为结果变量的“病理学评分”（不存在，轻度，严重）和两个主要影响：年龄（两个因素：二十天/三十天）和治疗组（四个因素：感染者没有ATB；感染者+ ATB1；已感染+ ATB2；已感染+ ATB3）。

首先，我尝试拟合序数回归模型，鉴于我的因变量（序数）的特征，这似乎更合适。但是，（图形上）严重违反了赔率比例的假设，这促使我改用多项式模型，而是使用nnet软件包。

首先，我选择了需要用作基线类别的结果级别：

Data$Path <- relevel(Data$Path, ref = "Absent")

然后，我需要为自变量设置基线类别：

Data$Age <- relevel(Data$Age, ref = "Twenty")
Data$Treat <- relevel(Data$Treat, ref="infected without ATB") 

该模型：

test <- multinom(Path ~ Treat + Age, data = Data) 
# weights:  18 (10 variable) 
initial value 128.537638 
iter 10 value 80.623608 
final  value 80.619911 
converged

输出：

Coefficients:
         (Intercept)   infected+ATB1   infected+ATB2   infected+ATB3    AgeThirty
Moderate   -2.238106   -1.1738540      -1.709608       -1.599301        2.684677
Severe     -1.544361   -0.8696531      -2.991307       -1.506709        1.810771

Std. Errors:
         (Intercept)    infected+ATB1   infected+ATB2   infected+ATB3    AgeThirty
Moderate   0.7880046    0.8430368       0.7731359       0.7718480        0.8150993
Severe     0.6110903    0.7574311       1.1486203       0.7504781        0.6607360

Residual Deviance: 161.2398
AIC: 181.2398

有一阵子，我找不到一种方法来获取模型的值并进行估算。昨天我碰到一个帖子，作者提出了一个关于系数值估计的类似问题（如何在R中建立和估计多项式logit模型？）。那里，一位博主建议，通过首先获取值如下所示，从的结果中获取值非常容易：$p$nnet:multinom$p$$p$summarymultinom$t$

pt(abs(summary1$coefficients / summary1$standard.errors), df=nrow(Data)-10, lower=FALSE) 

         (Intercept)   infected+ATB1   infected+ATB2   infected+ATB3    AgeThirty
Moderate 0.002670340   0.08325396      0.014506395     0.02025858       0.0006587898
Severe   0.006433581   0.12665278      0.005216581     0.02352202       0.0035612114

根据彼得·达格德（Peter Dalgard）的说法：“对于两尾值，至少要损失2倍。通常将用于真正的统计量是错误的；对于汇总数据，可以一个非常严重的错误。” 根据Brian Ripley的说法，“使用Wald检验进行拟合也是一个错误，因为它们遭受与二项式拟合相同（可能很严重）的问题。使用轮廓似然置信区间（软件包确实为此提供了软件），或者如果必须进行测试，则进行似然比测试（ditto）。”$p$$t$$z$multinom

我只需要能够得出可靠的。$p$

那使用呢

z <- summary(test)$coefficients/summary(test)$standard.errors
# 2-tailed Wald z tests to test significance of coefficients
p <- (1 - pnorm(abs(z), 0, 1)) * 2
p

基本上，这将基于相对于其标准误差的估计系数，并使用z检验基于两尾检验来针对零的显着差异进行检验。有两个因数可以纠正上面提到的彼得·达尔加德问题（之所以需要它，是因为您想要一个有两个尾部的测试，而不是一个有尾部的测试），并且它使用z检验而不是t检验来解决另一个问题。您提到的问题。

您还可以使用以下方法获得相同的结果（Wald z检验）

library(AER)
coeftest(test)

尽管与Wald z检验相比，似然比检验通常被认为更准确（后者使用正态近似，而LR检验则不使用正态近似），并且可以使用

library(afex)
set_sum_contrasts() # use sum coding, necessary to make type III LR tests valid
library(car)
Anova(test,type="III")

如果您想进行成对的Tukey posthoc测试，那么可以使用我的另一篇文章中所述的lsmeans软件包获得这些测试！