将线性模型拟合到 R 编程中的数据集 – glm()函数

glm()函数是一个广义线性模型拟合函数，可以用来拟合线性回归、逻辑回归、Poisson 回归等模型，是 R 数据科学中的重要函数之一。

语法

glm(formula, family = gaussian, data, weights, subset, 
    na.action, start = NULL, etastart, mustart, offset, 
    control = list(), model = TRUE, method = "glm.fit", 
    x = FALSE, y = TRUE, singular.ok = TRUE, contrasts = NULL, 
    ...)

其中：

• formula：定义线性模型的公式，例如 y ~ x1 + x2；
• family：指定用于拟合的误差分布类型，例如 binomial 表示二项逻辑回归；
• data：指定拟合模型所用的数据集；
• weights：设定每个观测的权重，例如样本抽样时的分层或概率加权；
• subset：指定用于拟合模型的子集；
• na.action：指定用于处理缺失值的方法；
• start：设置参数的起始值，可以自动估算；
• control：设定拟合过程的控制参数；
• model：是否返回模型对象；
• method：设定用于拟合的方法；
• x、y：指定数据集中的自变量和因变量；
• offset：设置一些已知的系数，例如摄入量或环境因素；
• contrasts：指定对类别变量使用的对比矩阵；
• singular.ok：设定是否允许出现奇异拟合的情况；
• …：其他选项。

使用示例

线性回归

# 导入数据集
data(mtcars)

# 线性回归拟合
fit <- glm(mpg ~ wt + cyl, data = mtcars, family = gaussian())

# 打印拟合结果
summary(fit)

二项逻辑回归

# 导入数据集
data(iris)

# 设定一个二元响应变量
iris$y <- ifelse(iris$Species == "versicolor", 1, 0)

# 逻辑回归拟合
fit <- glm(y ~ Petal.Length + Petal.Width, data = iris, family = binomial())

# 打印拟合结果
summary(fit)

Poisson 回归

# 导入数据集
data(faithful)

# Poisson 回归拟合
fit <- glm(eruptions ~ waiting, data = faithful, family = poisson())

# 打印拟合结果
summary(fit)

总结

glm()是一个非常充实且常用的函数，可以帮助 R 用户拟合不同类型的广义线性模型。在实际应用中，可以针对数据集的特点选择对应的拟合模型和参数，并利用拟合结果进行数据分析和预测。