GLM二项式回归：levels函数无法查看预测类别问题求助

我遇到了类似问题——想查看GLM二项式回归的预测类别，按照建议尝试用levels()方法但未能成功。

我的GLM回归代码：

glm( factor(mgroup) ~ factor(sex) + age  +  factor(Site_Category)  + expr, 
              data = pheno, family = binomial)

尝试执行以下命令均报错：

> levels(mgroup)
Error in h(simpleError(msg, call)) : 
  error in evaluating the argument 'x' in selecting a method for function 'levels': object 'mgroup' not found
> levels(outcome)
Error in h(simpleError(msg, call)) : 
  error in evaluating the argument 'x' in selecting a method for function 'levels': object 'outcome' not found
> levels(factor(mgroup))
Error in h(simpleError(msg, call)) : 
  error in evaluating the argument 'x' in selecting a method for function 'levels': object 'mgroup' not found

请问我哪里操作出错了？

解决方案 #

你的操作错误在于未正确指定变量的数据源：

• mgroup是数据框pheno中的列，直接单独调用mgroup时，R会在全局环境中查找这个对象，但它仅存在于pheno内部，因此触发“对象未找到”的报错。
• outcome是参考回答中的变量名，你的回归模型用的是mgroup，全局环境中不存在outcome对象，自然报错。

正确的操作方式：

1. 直接从数据框pheno中查看mgroup的水平：

# 如果mgroup已经是因子类型
levels(pheno$mgroup)
# 如果mgroup是数值/字符类型，先转成因子再查看
levels(factor(pheno$mgroup))

2. 若将回归模型保存到变量中，可从模型对象提取响应变量的水平：

# 先保存模型
model <- glm( factor(mgroup) ~ factor(sex) + age  +  factor(Site_Category)  + expr, 
              data = pheno, family = binomial)
# 查看响应变量的水平
levels(model$y)

内容的提问来源于stack exchange，提问作者Sally