1

Tengo un dataframe con varios valores faltantes y quiero realizar un análisis de la varianza (ANOVA) para comparar dos modelos logit binomial:

  • Modelo A: contiene un set de variables.
  • Modelo B: Contiene las mismas variables que el Modelo A más 3 variables de estudio.

Importamos los datos:

Modelo A:

modelo_logit <- glm(SAP ~ sexo + edad + peso + niv_est + enf_cron + sit_lab + 
                       frec_act_fis + ingreso_eq + GHQ_12, 
                       data = datos_modelo, family = binomial(link = "logit"),na.action = "na.omit")

Modelo B:

modelo_logit_viv <- glm( SAP ~ sexo + edad + niv_est + enf_cron + sit_lab +
                                  frec_act_fis + ingreso_eq + GHQ_12 + 
                                  n_dormitorios + cont_indus + delincuencia, # variables de estudio 
                        data = datos_modelo, family = binomial(link = "logit"),na.action = "na.omit")

Para poder realizar un ANOVA ejecuto: anova(modelo_logit,modelo_logit_viv)

Y obtengo el siguiente error:

Error in anova.glmlist(c(list(object), dotargs), dispersion = dispersion, : models were not all fitted to the same size of dataset

Ambos modelos deben ser ajustados por el mismo por el mismo set de datos, pero como hay varios valores faltantes, el modelo B tiene más NA's que el modelo A (ya que el modelo B contiene más variables que incrementan el número de observaciones que han de eliminarse con respecto al modelo A).

Mi pregunta entonces es: ¿Cómo puedo obtener el dataframe que se emplea en el modelo B (modelo_logit_viv) para poder estimar el modelo A (modelo_logit) y tener así el mismo dataframe para estimar ambos modelos y efectuar a continuación el ANOVA? Tiene que haber algún elemento dentro del objeto generado por glm(*) que contenga el dataframe que se ha empleado para estimar una vez eliminado los NA's, pero no lo encuentro.

1 respuesta 1

1

El elemento que buscas se llama model, aquí un ejemplo copiado de la ayuda de glm:

set.seed(2020)
counts <- c(18,17,15,20,10,20,25,13,12)
outcome <- gl(3,1,9)
treatment <- gl(3,3)
random_with_na <- sample(c(1, 2, NA), 9, replace = TRUE)
d.AD <- data.frame(treatment, outcome, counts, random_with_na)

m1 <- glm(counts ~ outcome + treatment, data = d.AD, family = poisson(), na.action = "na.omit")
m2 <- glm(counts ~ outcome + treatment + random_with_na,  data = d.AD, family = poisson(), na.action = "na.omit")

m1$model
m2$model

> m1$model
  counts outcome treatment
1     18       1         1
2     17       2         1
3     15       3         1
4     20       1         2
5     10       2         2
6     20       3         2
7     25       1         3
8     13       2         3
9     12       3         3
> m2$model
  counts outcome treatment random_with_na
1     18       1         1              2
2     17       2         1              1
3     15       3         1              2
4     20       1         2              2
5     10       2         2              2

Como se puede apreciar los datos del modelo 2 (que agrega una variable nueva con NA's) tiene menos filas que los datos originales, por que justamente en este caso se omiten las filas completas.

Ahora, con respecto a lo que intentas hacer, entiendo que tienes solo dos caminos posibles a seguir:

  1. Imputar los valores NA
  2. Generar un data.frame únicamente con las filas que no tienen NAen alguna de las variables de interés, por ejemplo na.ommit(tu_dataframe[, columnas_para_los_modelos]) y el data.frame resultante sería el que alimentaría los dos modelos.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.