Obtenir des erreurs standard à partir de régressions à l'aide de rpy2

Question

J'utilise rpy2 pour les régressions.L'objet retourné a une liste qui comprend les coefficients, les résidus, les valeurs ajustées, le rang du modèle ajusté, etc.)

Cependant, je ne trouve pas les erreurs standard (ni le R ^ 2) dans l'objet fit.En exécutant lm directement model dans R, les erreurs standard sont affichées avec la commande de résumé, mais je ne peux pas y accéder directement dans le bloc de données du modèle.

Comment puis-je extraire ces informations à l'aide de rpy2?

Un exemple de code python est

from scipy import random
from numpy import hstack, array, matrix
from rpy2 import robjects 
from rpy2.robjects.packages import importr

def test_regress():
    stats=importr('stats')
    x=random.uniform(0,1,100).reshape([100,1])
    y=1+x+random.uniform(0,1,100).reshape([100,1])
    x_in_r=create_r_matrix(x, x.shape[1])
    y_in_r=create_r_matrix(y, y.shape[1])
    formula=robjects.Formula('y~x')
    env = formula.environment
    env['x']=x_in_r
    env['y']=y_in_r
    fit=stats.lm(formula)
    coeffs=array(fit[0])
    resids=array(fit[1])
    fitted_vals=array(fit[4])
    return(coeffs, resids, fitted_vals) 

def create_r_matrix(py_array, ncols):
    if type(py_array)==type(matrix([1])) or type(py_array)==type(array([1])):
        py_array=py_array.tolist()
    r_vector=robjects.FloatVector(flatten_list(py_array))
    r_matrix=robjects.r['matrix'](r_vector, ncol=ncols)
    return r_matrix

def flatten_list(source):
    return([item for sublist in source for item in sublist])

test_regress()

Answer 1

Cela semble donc fonctionner pour moi:

def test_regress():
    stats=importr('stats')
    x=random.uniform(0,1,100).reshape([100,1])
    y=1+x+random.uniform(0,1,100).reshape([100,1])
    x_in_r=create_r_matrix(x, x.shape[1])
    y_in_r=create_r_matrix(y, y.shape[1])
    formula=robjects.Formula('y~x')
    env = formula.environment
    env['x']=x_in_r
    env['y']=y_in_r
    fit=stats.lm(formula)
    coeffs=array(fit[0])
    resids=array(fit[1])
    fitted_vals=array(fit[4])
    modsum = base.summary(fit)
    rsquared = array(modsum[7])
    se = array(modsum.rx2('coefficients')[2:4])
    return(coeffs, resids, fitted_vals, rsquared, se) 

Bien que, comme je l'ai dit, ce soit littéralement ma première incursion dans RPy2, il y a donc peut-être une meilleure façon de le faire.Mais cette version semble afficher des tableaux contenant la valeur R-carré avec les erreurs standard.

Vous pouvez utiliser print(modsum.names) pour voir les noms des composants de l'objet R (un peu comme names(modsum) dans R), puis .rx et .rx2 sont l'équivalent de [ et [[ dans R.

Answer 2

@joran: Très bien.Je dirais que c'est à peu près la manière de procéder.

from rpy2 import robjects 
from rpy2.robjects.packages import importr

base = importr('base')
stats = importr('stats') # import only once !

def test_regress():
    x = base.matrix(stats.runif(100), nrow = 100)
    y = (x.ro + base.matrix(stats.runif(100), nrow = 100)).ro + 1 # not so nice
    formula = robjects.Formula('y~x')
    env = formula.environment
    env['x'] = x
    env['y'] = y
    fit = stats.lm(formula)
    coefs = stats.coef(fit)
    resids = stats.residuals(fit)    
    fitted_vals = stats.fitted(fit)
    modsum = base.summary(fit)
    rsquared = modsum.rx2('r.squared')
    se = modsum.rx2('coefficients')[2:4]
    return (coefs, resids, fitted_vals, rsquared, se)