逻辑回归（GLM）输出：apa.reg.table

Question

我一直在进行逻辑回归，并希望用完该报告几个模型（“块”），因此我可以对其进行比较。

我找到了apa.reg.table，它创建的输出正是我想看到的那种，但是，,，运行glm模型时，出现错误消息。运行回归时没有此类错误消息。我对通过百分比变化比较这些块模型特别感兴趣，该变化在常规回归中运行良好。

问题：

1. 有什么方法可以通过逻辑回归来运行apa.reg.table？
2. 如果没有，是否有人知道可以用来帮助我实现目标的任何程序包或技术？

...在研究问题时，我运行了虹膜数据库：

data(iris)

...然后运行了一系列四个连续的逻辑回归：

#Logistic regression models
MODEL_A<-glm(species~sepal.len, data=iris,, family=binomial())
MODEL_B<-glm(species~sepal.len+sepal.wid, data=iris, family=binomial())
MODEL_C<-glm(species~sepal.len+sepal.wid+petal.len, data=iris, family=binomial())
MODEL_D<-glm(species~sepal.len+sepal.wid+petal.len+petal.wid, data=iris, family=binomial())

apa.reg.table(MODEL_A,MODEL_B,MODEL_C,MODEL_D)

...但是我收到以下错误消息：

#Error in if (F.value < 0) stop("Your 'F.value' is not correctly specified.") : 
# argument is of length zero
#In addition: Warning messages:
#1: Unknown or uninitialised column: 'r.squared'. 
#2: Unknown or uninitialised column: 'p.value'.

...在常规回归分析中运行良好：

#regression models:
MODEL_B2<-lm(sepal.len~sepal.wid, data=iris)
MODEL_C2<-lm(sepal.len~sepal.wid+petal.len, data=iris)
MODEL_D2<-lm(sepal.len~sepal.wid+petal.len+petal.wid, data=iris)

#create table with regression models--no error messages:
apa.reg.table(MODEL_B2,MODEL_C2,MODEL_D2)

任何帮助将不胜感激。

Answer 1

您可以尝试使用扫帚：

library(broom)

colnames(iris) =c("sepal.len","sepal.wid","petal.len","petal.wid","species")

MODEL_A<-glm(species~sepal.len, data=iris,, family=binomial())
MODEL_B<-glm(species~sepal.len+sepal.wid, data=iris, family=binomial())
MODEL_C<-glm(species~sepal.len+sepal.wid+petal.len, data=iris, family=binomial())
MODEL_D<-glm(species~sepal.len+sepal.wid+petal.len+petal.wid, data=iris, family=binomial())

您可以将它们放在列表中：

lapply(list(MODEL_A,MODEL_B,MODEL_C,MODEL_D),tidy)

或：

library(dplyr)
library(purrr)

res = tibble(name=c("MODEL_A","MODEL_B","MODEL_C","MODEL_D"),
models=list(MODEL_A,MODEL_BMODEL_C,MODEL_D)) %>% 
mutate(coef=map(models,tidy),stats=map(models,glance))

`

然后：

res %>% unnest(coef)

res %>% unnest(stats)