r语言glm函数用法

在R语言中，`glm()`函数（Generalized Linear Models）是一个非常强大的工具，用于拟合各种类型的线性和非线性回归模型，包括经典的线性回归、逻辑回归（Binary Logistic Regression）、泊松回归（Poisson Regression）以及更复杂的模型。它广泛应用于统计建模和机器学习领域。

`glm()`函数的一般语法如下：

fit <- glm(formula, data, family = ..., weights = ..., subset = ..., na.action = ...)

其中：

- `formula`: 表达式的左面是响应变量，右面是解释变量，形式为`y ~ predictors`。例如，对于二元逻辑回归，公式可能是`response ~ predictor1 + predictor2`。

- `data`: 包含变量的数据框。

- `family`: 指定分布家族，比如`family="binomial"`用于逻辑回归，`family="poisson"`用于泊松回归。还可以设置其他分布，如`gaussian`（默认，用于线性回归）。

- `weights`：如果有的话，可以提供观测权重，每个样本的重要性。

- `subset`：选择数据的一部分进行建模。

- `na.action`：处理缺失值的方式，默认是删除含有NA值的行。

建立模型后，你可以通过`summary(fit)`获得模型摘要，包含了系数、标准误差、t值、p值等信息。同时，可以使用`predict(fit, newdata = your_data, type = "response")`对新的数据进行预测。