R d'erreur qui dit “les Modèles n'étaient pas tous équipés de la même taille de dataset”

J'ai créé deux modèles linéaires généralisés comme suit:

glm1 <-glm(Y ~ X1 + X2 + X3, family=binomial(link=logit))

glm2 <-glm(Y ~ X1 + X2, family=binomial(link=logit))

J'utilise ensuite la anova fonction:

anova(glm2,glm1)

mais un message d'erreur:

"Erreur dans l'analyse de la variance.glmlist(c ((liste d'objet),dotargs), la dispersion = dispersion :

les modèles n'étaient pas tous équipés de la même taille de dataset"

Qu'est-ce que cela signifie et comment puis-je résoudre ce problème? J'ai attached l'ensemble de données au début de mon code pour les deux modèles qui ont un travail hors du même ensemble de données.

Sur une note de côté, ne pas utiliser de attach().
Aussi, je suis en supposant que vous avez utilisé glm(Y~X1...) et pas seulement (Y~X1...)? Et pourquoi avez-vous des virgules séparant les variables?
Oui j'ai utilisé. Des excuses que je n'ai pas poster ici correctement avant. Toute idée de ce qui pourrait être mauvais?
Sans voir de vos données ou de code, pas de. À l'aide de attach pourrait certainement causer ce problème.
vous avez besoin d'utiliser data=YourData dans le glm, et vous ne pouvez pas utiliser des virgules pour séparer les variables comme ça.

OriginalL'auteur REnthusiast | 2013-08-22

  1. 12

    La principale cause de cette erreur, c'est quand il y a des valeurs manquantes dans une ou plusieurs des variables prédictives. Dans les versions récentes de R l'action par défaut est d'omettre toutes les lignes qui ont toutes les valeurs manquantes (le défaut précédent était de produire une erreur). Ainsi par exemple, si le bloc de données a 100 lignes et il y a une valeur manquante dans X3, alors votre modèle de glm1 sera apte à 99 lignes de données (chute de la ligne où X3 est absent), mais le glm2 objet sera apte à 100 lignes de données (puisqu'il n'utilise pas de X3, pas de lignes doivent être supprimées).

    Alors la anova fonction vous donne une erreur car les 2 modèles ont été ajustés à des ensembles de données différents (et comment voulez-vous calculer les degrés de liberté, etc.).

    Une solution consiste à créer un nouveau bloc de données qui comporte uniquement les colonnes qui seront utilisés dans au moins l'un de vos modèles et de supprimer toutes les lignes avec des valeurs manquantes (le na.omit ou na.exclude fonction de rendre cela facile), puis monter les deux modèles de la même bloc de données qui n'ont pas de valeurs manquantes.

    Autres options serait de regarder des outils pour l'imputation multiple ou d'autres moyens de traiter les données manquantes.

    Merci pour ça, c'était très explicatif. Il semble fonctionner quand j'ai arrêté de l'attachement et a choisi de spécifier les données de chaque glm. Est-ce seulement de travail par hasard??? Aussi, je suis à la recherche pour obtenir une p-valeur à partir de l'analyse de la variance entre glm1 et divers autres glms. Comment dois-je faire?
    Avec attach vous ont peut-être eu une variable de même nom dans l'environnement mondial/espace de travail qui a été gâcher les choses. L'une des raisons de ne pas utiliser attach. Pour obtenir une p-valeur de anova ajouter test="Chisq", voir ?anova.glm pour plus de détails (et assurez-vous que vous êtes heureux avec les hypothèses).

    OriginalL'auteur Greg Snow

  2. 3

    Pour éviter la "models were not all fitted to the same size of dataset" erreur, vous devez adapter les deux modèles sur la même sous-ensemble de données. Il ya deux façons simples de le faire:

    • utiliser data=glm1$model dans le 2ème ajustement du modèle
    • ou de récupérer correctement incorporée dans un jeu partiel dataset à l'aide de data=na.omit(orig.data[ , all.vars(formula(glm1))]) dans le 2ème ajustement du modèle

    Voici un exemple reproductible à l'aide de lm (pour glm la même approche devrait fonctionner) et update: 

    # 1st approach
# define a convenience wrapper
update_nested <- function(object, formula., ..., evaluate = TRUE){
    update(object = object, formula. = formula., data = object$model, ..., evaluate = evaluate)
}

# prepare data with NAs
data(mtcars)
for(i in 1:ncol(mtcars)) mtcars[i,i] <- NA

xa <- lm(mpg~cyl+disp, mtcars)
xb <- update_nested(xa, .~.-cyl)
anova(xa, xb)
## Analysis of Variance Table
## 
## Model 1: mpg ~ cyl + disp
## Model 2: mpg ~ disp
##   Res.Df    RSS Df Sum of Sq      F  Pr(>F)  
## 1     26 256.91                              
## 2     27 301.32 -1   -44.411 4.4945 0.04371 *
## ---
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

# 2nd approach
xc <- update(xa, .~.-cyl, data=na.omit(mtcars[ , all.vars(formula(xa))]))
anova(xa, xc)
## Analysis of Variance Table
## 
## Model 1: mpg ~ cyl + disp
## Model 2: mpg ~ disp
##   Res.Df    RSS Df Sum of Sq      F  Pr(>F)  
## 1     26 256.91                              
## 2     27 301.32 -1   -44.411 4.4945 0.04371 *
## ---
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

    Voir aussi:

    OriginalL'auteur landroni

  3. 1

    La solution est d'utiliser:

    glm1 <-glm(Y ~ X1 + X2 + X3, family = binomial(link = logit), na.action = na.exclude)
glm2 <-glm(Y ~ X1 + X2, family = binomial(link = logit), na.action = na.exclude)

anova(glm2,glm1)

    Cela fera R incluent les cas de données manquantes (NA) dans le modèle ajusté. Cela garantit que les jeux de données sont identiques à travers les différents modèles, peu importe comment les données manquantes est distribué.

    Le na.exclude approche ne fonctionnera pas nécessairement. Essayez ceci: mtcars[1,2] <- NA; xa <- lm(mpg~cyl+disp, mtcars, na.action = na.exclude); xaa <- lm(mpg~disp, mtcars, na.action = na.exclude); anova(xa, xaa)
    Vous êtes de droite. Il ne fonctionne pas dans ce cas. Il n'a toutefois veiller à ce que predict insère NAs pour les points de données qui ont des valeurs manquantes dans les données. La lecture de la documentation pour na.exclude il note que cela ne fonctionne que pour naresid et napredict qui sont connectés à resid et predict. Apparemment, anova utilise autre chose. Apparemment, on aura de sous-ensemble à l'intégralité des cas, les premiers, en utilisant par exemple na.omit. Au moins, c'est les conseils donnés ici.
    Il y a au moins deux approches simples pour faire ce dont je discute dans cette réponse.

    OriginalL'auteur Deleet

  4. 0

    Je suppose que vous vouliez dire, à type de:

    glm1 <-glm(Y ~ X1+X2+X3, family=binomial(link=logit))

glm2 <-glm(Y ~ X1 + X2, family=binomial(link=logit))

    La formule de l'interface pour la R fonctions de régression ne reconnaît pas les virgules que l'ajout de covariables pour le membre de droite de la formule. Et n'utilisez pas attach(); utiliser les données de l'argument de fonctions de régression.

    Oui, j'ai fait tout cela et l'erreur semble venir. J'ai également saisi: na.omettre=na.passer voir serait les cellules vides dans mes données par les traités différemment dans R, mais en vain. Toute idée de ce que je pourrais faire de mal?
    Je voudrais utiliser un data argument qui a été le même pour les deux glm appels: na.omettre(YourData[ , c("Y" , "X1","X2","X3")])`. De cette façon, vous retirez le "cas supplémentaires" sont présents pour X1 et X2 qui ne sont pas dans X3.
    Dois-je mettre cette glm1 <-glm(Y ~ X1+X2+X3, family=binomial(link= "logit"), na.omettre(YourData[ , c("Y" , "X1","X2","X3")])) lors de la définition à la fois glms?
    Les données argument devrait être la même et les formules doivent être différents.

    OriginalL'auteur 42-

  5. 0

    La cause est bien décrite par Greg Neige. Une alternative et une solution très simple est d'ajouter une nouvelle variable, correspondant à la problématique de la variable de NA et autrement avec la valeur 1. L'inclure dans les deux modèles et R, d'exclure les mêmes lignes dans les deux modèles (--> ensembles de données permettra de match).

    OriginalL'auteur cpt. couteau