如何查看DLNM模型结果
时间: 2023-08-28 18:03:41 浏览: 84
DLNM(distributed lag non-linear model)是一种用于研究时间序列数据中时间滞后效应的模型。在R语言中,可以使用dlnm包来建立DLNM模型,并使用`summary()`函数来查看模型结果。
具体步骤如下:
1. 安装dlnm包
```R
install.packages("dlnm")
```
2. 导入数据
以dlnm包自带的数据集`data(simEra)`为例:
```R
library(dlnm)
data(simEra)
```
3. 建立DLNM模型
以温度和死亡率为例,建立一个包含线性和非线性滞后效应的DLNM模型:
```R
# 建立DLNM模型
model <- crossbasis(simEra$temp, lag = 2, argvar=list(c(10, 30, 50)), season = "cos", endmean = "none")
+ crossbasis(simEra$death, lag = 2, argvar=list(c(10, 30, 50)), season = "cos", endmean = "none")
+ cbpl(model = "ns", lag = 1)
+ cbpl(model = "ns", lag = 2)
+ cbpl(model = "ns", lag = 3)
+ ns(simEra$time, df = 8, season = "cos")
+ ns(simEra$hour, df = 8, season = "cos")
+ ns(simEra$dow, df = 6, season = "cos")
model_fit <- glm(simEra$death ~ model, family = poisson())
```
在建立模型时,需要使用`crossbasis()`函数来创建温度和死亡率的交互项,并使用`cbpl()`函数来添加线性和非线性滞后效应。在本例中,我们添加了3个滞后效应,分别为1天、2天和3天。同时,我们还使用了`ns()`函数来建立时间和小时的非线性效应。
4. 查看模型结果
使用`summary()`函数来查看DLNM模型的结果:
```R
summary(model_fit)
```
在模型结果中,可以查看到各个变量的系数、标准误、z值和p值等信息,以及模型的拟合优度(如AIC、BIC等)。同时,还可以通过检查残差分布、残差-拟合值图等图形来评估模型的拟合效果。