我正在尝试使用基于模型的递归分区（MOB）和 mob() 函数（来自 partykit 包），以获取每个特征的不同参数，这些参数取决于使用 logistic() 回归（glm-binomial）函数找到的最佳分区。我需要定义我的模型。
根据页面 7 的示例：https://cran.r-project.org/web/packages/partykit/vignettes/mob.pdf，我创建了一个 logit 函数来估计值并返回 logistic() 函数的估计值等。然而，函数的定义似乎不正确。
library(partykit)logit_func <- function(y, x, start = NULL, weights = NULL, offset = NULL, ...) { glm(y ~ 0 + x, family = binomial, start = start, ...)}p <- mob(future~., data=sample, fit = logit_func)… 并且得到了以下错误
Error in model.frame.default(formula = y ~ 0 + x, drop.unused.levels = TRUE) : invalid type (NULL) for variable 'x' sample 数据框如下：
sample <- structure(list(future = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("0", "1"), class = "factor"), HHk = c(0.412585987717856, 1, 1, 1, 1, 1, 1, 1, 0.865684350743137, 0.685221125225357), HHd = c(0.529970735028671, 1, 1, 1, 0.611295754192343, 0.171910197073699, 0.722887386610618, 0.457585763978574, 0.517888089662373, 0.401285262785306), via_4 = structure(c(1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("0", "1"), class = "factor"), region_5 = structure(c(1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("0", "1"), class = "factor")), row.names = c(NA, 10L), class = "data.frame")有什么线索吗？
谢谢你 🙂
回答：
显然，问题与 partykit::mob 中的 formula 选项有关。我不知道你心目中的模型是什么，但你没有指定任何分区变量（Z）。以下方法有效，但没有找到任何断点。我认为这是因为数据集太小。
拟合的模型假设你正在拟合一个模型，其中 HHk 是你的回归变量，而 HHd 被用作分区变量。
p <- mob(formula = future ~ HHk | HHd , data=sample, fit = logit_func)# Model-based recursive partitioning (logit_func)# # Model formula:# future ~ HHk | HHd# # Fitted party:# [1] root: n = 10# x(Intercept) xHHk # -1.386266 2.006611 # # Number of inner nodes: 0# Number of terminal nodes: 1# Number of parameters per node: 2# Objective function: 6.557608