获得使用 rms lrm 对象的信心

Question

我无法从 rms 包中获取逻辑回归以与 confint() 一起使用，这是一个示例：

library(rms)
data(mtcars)
dd <- datadist(mtcars)
options(datadist = "dd")
fit <- lrm(am ~ gear + mpg, data=mtcars)
confint(fit)

这给出了错误：

错误：$ 运算符对于原子向量无效

Traceback() 给出：

4: profile.glm(object, which = parm, alpha = (1 - level)/4, trace = trace)
3: profile(object, which = parm, alpha = (1 - level)/4, trace = trace)
2: confint.glm(fit)
1: confint(fit)

我猜想 lrm() 模型没有实现限制。

我的问题

有没有方便的替代方法？是否有为 rms 包创建其他替代方案？

Answer 1

confint.default(fit)似乎有效。请注意，它正在构建 Wald 置信区间，而不是更准确的轮廓置信区间，从而confint.glm()产生......

class(fit); methods(class="lrm"); methods(class="rms")不建议任何明显的替代品...

您可能会研究bootcov()和朋友的引导置信区间（但我还没有让这些工作......）

Answer 2

尝试这个：

> summary(fit)[ , c("Lower 0.95", "Upper 0.95")]
               Lower 0.95   Upper 0.95
gear        -6.148918e+01 9.756505e+01
 Odds Ratio  1.975094e-27 2.354854e+42
mpg         -1.063706e+00 6.028564e+00
 Odds Ratio  3.451743e-01 4.151185e+02

（这些结果表明完全分离或其他一些建模病理学。）