R 中的多项式逻辑回归：nnet 包中的多项式结果与 mlogit 包中的 mlogit 不同？

Question

两个 R 函数，multinom（包 nnet）和 mlogit（包 mlogit）均可用于多项逻辑回归。但是为什么这个例子 returns 系数 p 值的不同结果？

#prepare data

mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
mydata$rank <- factor(mydata$rank)
mydata$gre[1:10] = rnorm(10,mean=80000)

#multinom:

test = multinom(admit ~ gre + gpa + rank, data = mydata)
z <- summary(test)$coefficients/summary(test)$standard.errors
# For simplicity, use z-test to approximate t test.
pv <- (1 - pnorm(abs(z)))*2 
pv
# (Intercept)         gre         gpa       rank2       rank3       rank4 
# 0.00000000  0.04640089  0.00000000  0.00000000  0.00000000  0.00000000

#mlogit:

mldata = mlogit.data(mydata,choice = 'admit', shape = "wide")

mlogit.model1 <- mlogit(admit ~ 1 | gre + gpa + rank, data = mldata)
summary(mlogit.model1)
# Coefficients :
#   Estimate  Std. Error t-value  Pr(>|t|)    
# 1:(intercept) -3.5826e+00  1.1135e+00 -3.2175 0.0012930 ** 
#   1:gre          1.7353e-05  8.7528e-06  1.9825 0.0474225 *  
#   1:gpa          1.0727e+00  3.1371e-01  3.4195 0.0006274 ***
#   1:rank2       -6.7122e-01  3.1574e-01 -2.1258 0.0335180 *  
#   1:rank3       -1.4014e+00  3.4435e-01 -4.0697 4.707e-05 ***
#   1:rank4       -1.6066e+00  4.1749e-01 -3.8482 0.0001190 ***

为什么 multinorm 和 mlogit 的 p 值如此不同？我想这是因为我使用 mydata$gre[1:10] = rnorm(10,mean=80000) 添加了异常值。如果异常值是不可避免的问题（例如在基因组学、代谢组学等方面），我应该使用哪个 R 函数？

Answer 1

这里的区别是 Wald $z$ 检验（你在 pv 中计算的）和似然比检验（summary(mlogit.model) 返回的东西）之间的区别。Wald 检验在计算上是更简单，但通常具有不太理想的属性（例如，其 CI 不是 scale-invariant）。您可以阅读有关这两个程序的更多信息 here.

要对 nnet 模型系数执行 LR 测试，您可以加载 car 和 lmtest 包并调用 Anova(test)（尽管您必须这样做单个 df 测试需要多做一些工作）。

Answer 2

作为替代方案，您可以使用 broom，它为 multinom class 模型输出整齐的格式。

library(broom)

tidy(test)

它会 return data.frame 具有 z 统计量和 p 值。查看 tidy 文档以获取更多信息。

P.S.: 因为我无法从您发布的 link 中获取数据，所以我无法复制结果

R 中的多项式逻辑回归：nnet 包中的多项式结果与 mlogit 包中的 mlogit 不同？

multinomial logistic regression in R: multinom in nnet package result different from mlogit in mlogit package?

r

mlogit