时间戳

首页 > 解决方案 > 如何从 lm_robust 对象中获取 AIC

r - 如何从 lm_robust 对象中获取 AIC

问题描述

如何AIC从lm_robust对象（包estimatr）中获取一个？我正在使用lm_robust，因为我想使用一个强大的估计器来计算SE. 与lm函数不同，AIC在您运行摘要函数时不提供，并且AIC在对象上运行该函数lm_robust会产生错误。下面是我正在尝试运行的那种模型的玩具示例。

library(estimatr)

fake_data<-data.frame(outcome=rnorm(100,3.65,1),
                      pred1=rnorm(100,15,7),
                      pred2=as.factor(sample(1:5, 100, replace = T)))

mod1<-lm_robust(outcome~pred1+pred2,data=fake_data)
AIC(mod1)

这是错误消息的样子：

> AIC(mod1)
Error in UseMethod("logLik") : 
  no applicable method for 'logLik' applied to an object of class "lm_robust"

标签： rregressionlm

解决方案

如果你必须用lm_robust来计算，你可以选择自己计算如下，

的公式AIC，

AIC = 2*k + n [Ln( 2(pi) RSS/n ) + 1]

# n : Number of observation
# k : All variables including all distinct factors and constant
# RSS : Residual Sum of Square

如果我们将其R应用于您的情况，

# Note that, I take k=7 since you have, 5 factors + 1 continuous and 1 constant

AIC_calculated <- 2*7 + 100* (log( 2*pi* (1-mod1$r.squared)*mod1$tss/100 ) + 1)


[1] 332.2865

这与lm和glm输出相同。

mod2<-lm(outcome~pred1+pred2,data=fake_data)

> AIC(mod2)
[1] 332.2865

最后，当然，您可以将这个计算放入一个函数中，以便随时调用，只需在lm_robust其中提供模型，而无需为任何给定数据设置N和k参数，例如，

myAIC <- function(data) {

    2*(data$k+1) + data$N * (log(2*pi* (1-data$r.squared)*data$tss/data$N ) + 1)

}

> myAIC(mod1)
[1] 332.2865

注意：sample()由于在数据帧中运行函数时的播种差异，结果可能在您的计算机中显示不同。

推荐阅读