均方根:解释bootcov和summary.rms

如何解决均方根:解释bootcov和summary.rms

我正在使用rms来拟合多元Logistic回归模型,该模型使用了包含连续和分类预测变量的数据集:

mod <- lrm(out ~ .,data = df,x = TRUE,y = TRUE)

set.seed(1)
mod <- bootcov(mod,B = 5000,group = df$out)

打印结果将显示原始系数和 p 值等:

mod
                                       Coef    S.E.   Wald Z Pr(>|Z|)
Intercept                             -2.2484 2.3705 -0.95  0.3429
cont1                                  0.0437 0.0417  1.05  0.2949  
factor1=level                          0.0093 0.2851  0.03  0.9739  
factor2=level                         -0.0667 0.2383 -0.28  0.7797  
factor3=level                         -0.6183 1.9204 -0.32  0.7475  

可以从mod$boot.coef中提取自举系数:

                         Intercept                                  cont1                          factor1=level 
                       -2.68762881                             0.04743324                             0.01928562 
                     factor2=level                          factor3=level                               
                       -0.07054094                            -0.36951048

但是似乎没有一种方法可以提取各自的 p 值。

赔率可以使用summary.rms

mod.summ <- summary(mod,usebootcoef = TRUE,factor1 = "reference",factor2 = "reference",factor3 = "reference",# etc
                    boot.type = "bca")

mod.summ

Factor                                               Low      High       Diff.      Effect      S.E.       Lower 0.95 Upper 0.95
cont1                                                16.00000 21.0000000  5.0000000  0.21838000 0.20851000 -0.2039700  0.6293800
 Odds Ratio                                          16.00000 21.0000000  5.0000000  1.24410000         NA  0.8154800  1.8764000
factor1 - level:reference                             1.00000  2.0000000         NA  0.00934360 0.28513000 -0.5769300  0.5518300
 Odds Ratio                                           1.00000  2.0000000         NA  1.00940000         NA  0.5616200  1.7364000
factor2 - level:reference                             1.00000  2.0000000         NA -0.06666100 0.23831000 -0.5211100  0.4031800
 Odds Ratio                                           1.00000  2.0000000         NA  0.93551000         NA  0.5938600  1.4966000
factor3 - level:reference                             1.00000  2.0000000         NA -0.61831000 1.92040000 -2.0369000  1.5146000
 Odds Ratio                                           1.00000  2.0000000         NA  0.53885000         NA  0.1304300  4.5475000

Bootstrap BCa confidence intervals

问题1

是否可以为lrm提供的自举系数计算或提取 p 值?

问题2

为什么summary.rms使用原始系数来生成其自举置信区间?我相信这是因为我将usebootcoef = TRUE设置为参数。取自帮助文件:

如果fitbootcov的结果,但您想使用自举协方差矩阵代替非参数百分位,基本或BCa方法作为置信区间(使用所有自举系数),指定usebootcoef=FALSE

这是否意味着usebootcoef = TRUE不使用自举系数?

问题3

取自?summary.rms

summary.rms总结了每个因素的影响。当使用摘要来估计连续变量的几率或危险比时,它可以轻松设置相互作用因子的水平,并允许用户选择效果的时间间隔。 这种估算效果的方法可以使预测变量具有非线性。默认情况下,将为连续因素打印四分位间距效应(奇数比,危险比等),并且将与参考水平的所有比较作为分类因素。

如何计算代表连续变量线性变化的比值比?以下代码估算了将年龄从50岁提高到70岁的效果:

summary(fit,age=c(50,70))

但是,我想知道如何计算比值比,该比值代表整个年龄范围内一年的年龄变化。 注意:我知道该变量实际上可能不是线性的。我只是想了解在这种情况下如何应用该功能。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 &lt;select id=&quot;xxx&quot;&gt; SELECT di.id, di.name, di.work_type, di.updated... &lt;where&gt; &lt;if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 &lt;property name=&quot;dynamic.classpath&quot; value=&quot;tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -&gt; systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping(&quot;/hires&quot;) public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate&lt;String
使用vite构建项目报错 C:\Users\ychen\work&gt;npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-