मेरे पास तीन कारक चर सहित एक डेटासेट हैआर में और मेरे ग्लैम मॉडल के आउटपुट लगातार प्रत्येक व्यक्तिगत स्पष्ट मूल्य के लिए अनुमान देता है। मैंने नीचे दिखाए गए as.numeric कमांड का उपयोग करके इसे ठीक करने का प्रयास किया और मैंने ग्लम मॉडल में कारक कमांड का उपयोग किया लेकिन मुझे अभी भी वही आउटपुट मिला।
as.numeric(levels(Make))[as.integer(Make)]
as.numeric(levels(Zone))[as.integer(Zone)]
as.numeric(levels(Kilometres))[as.integer(Kilometres)]
ग्लम मॉडल के लिए मैंने डिफ़ॉल्ट लिंक फ़ंक्शन का उपयोग करके गामा वितरण का चयन किया।
Gamma = glm(perd ~ factor(Kilometres) + factor(Zone) + Bonus + factor(Make) + Insured,
family = Gamma(link = "inverse"))
मुझे नहीं पता कि मुझे अपना कोड कैसे बदलना चाहिए जिससे कि यह पूरे चर के लिए रिग्रेशन अनुमान देता है। उस पर कोई विचार?
उत्तर:
जवाब के लिए 3 № 1- अपने वर्गीकृत चर को संख्यात्मक चर में परिवर्तित न करें - इससे एक बहुत ही अलग मॉडल बन जाएगा [आपके प्रयासों ने वैसे भी काम नहीं किया होगा]
- "रिग्रेशन" अनुमान के रूप में ऐसी कोई चीज़ नहीं हैपूरे चर के लिए। यदि एक स्पष्ट चर में एन श्रेणियां हैं, तो मानक दृष्टिकोण एन-1 सूचक चर बनाएगा, जिनमें से प्रत्येक का अनुमान होगा।
- आप एक स्पष्ट चर को छोड़ने के प्रभाव का परीक्षण करना चाहते हैं।
मदद फ़ाइल में पहला उदाहरण है glm
एक उदाहरण देता है जहां आप उपयोग करते हैं anova
चर को छोड़ने के प्रभाव के बारे में उपयुक्त परिकल्पना परीक्षण करने के लिए [Deviance का विश्लेषण]
# In your case
anova(Gamma)
# or
drop1(Gamma)