如何将glm函数中的预测值在R中移动一行？

lbsnaicq 于 2023-03-27 发布在其他

关注(0)|答案(2)|浏览(125)

我正在使用glm查看不同时间不同物种存在之间的相关性。现在我有一个数据集，其中包含不同物种在这些时间内的小时数和preense/absence（1/0）。它看起来像这样（当然非常简化）：

Hour  Giraffe Elephant Lion
0       1       1       0
1       0       1       1
2       1       0       0
3       1       1       0
4       0       1       0
5       0       0       1

我使用的模型看起来有点像这样：

giraffe_glm.fit <- glm(giraffe ~ scale(elephants) + scale(hour) + scale(lion), data = data_num, family = binomial)

但是这当然是比较同一个小时内的目击事件（第1小时的长颈鹿目击事件和第1小时的大象和狮子目击事件）。但是我想看看与前一个小时的目击事件的比较（例如第1小时的长颈鹿目击事件和第0小时的大象和狮子目击事件）
我可以尝试像这样将移位列添加到数据集：

Hour  Giraffe Elephant Lion Elephant-1 Lion-1
0       1       1       0       NA       NA
1       0       1       1       1       0
2       1       0       0       1       1
3       1       1       0       0       0
4       0       1       0       1       0
5       0       0       1       1       0

并在模型中使用它们，但我有很多变量，我希望找到一种方法将其直接应用到模型中，比如glm(giraffe ~ scale(elephants-1) + scale(hour) + scale(lion-1), data = data_num, family = binomial)或类似的东西。有没有办法做到这一点？

来源：https://stackoverflow.com/questions/75804342/how-to-shift-the-predictor-in-a-glm-function-by-one-row-in-r

2条答案

按热度按时间

0ejtzxu11#

@dufei已经建议使用lag()

data_lagged <- data %>%
  mutate(
    Elephant_lag = lag(Elephant),
    Lion_lag = lag(Lion)
  )

glm_fit <- glm(Giraffe ~ scale(Elephant_lag) + scale(Lion_lag), data = data_lagged, family = binomial)
summary(glm_fit)

Call:
glm(formula = Giraffe ~ scale(Elephant_lag) + scale(Lion_lag), 
    family = binomial, data = data_lagged)

Deviance Residuals: 
         2           3           4           5           6  
-6.547e-06   6.547e-06   6.547e-06  -6.547e-06  -6.547e-06  

Coefficients:
                     Estimate Std. Error z value Pr(>|z|)
(Intercept)            -4.913  58589.772       0        1
scale(Elephant_lag)   -21.973  67653.634       0        1
scale(Lion_lag)        21.973  67653.664       0        1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 6.7301e+00  on 4  degrees of freedom
Residual deviance: 2.1434e-10  on 2  degrees of freedom
  (1 Beobachtung als fehlend gelöscht)
AIC: 6

Number of Fisher Scoring iterations: 23

赞(0）回复(0）举报 2023-03-27

hgc7kmma2#

在公式中尝试dplyr::lag()。

赞(0）回复(0）举报 2023-03-27