Broom

Il pacchetto broom¹⁾ include una serie di funzioni (e relative varianti: si consulti l’aiuto) per gestire l’output dei modelli, ed avere tabelle organizzate come dataframe.

In generale, le funzioni di questo pacchetto si sposano bene con la funzione kable().

Con queste funzioni, è possibile estrarre dai risultati — generalmente liste di oggetti — i dati che possono essere utili da visualizzare, studiare, o per ulteriori elaborazioni (inserire variabili nel dataset originario, fare grafici ecc.), organizzati in dataframe.

Principali funzioni
`glance()`	tabella di sintesi del modello
`tidy()`	tabella dell'output
`augment()`	tabella con i dati del modello, caso per caso

Vedi: Vignettes; RDocumentation

glance

install.packages("broom")

library(broom)

glance() restituisce in una tabella sintetica le informazioni necessarie alla valutazione del modello.

In base al modello, la tabella può contenere diverse informazioni²⁾. Nel caso di un modello lineare:

lm.res <- lm(data=cars, dist ~ speed)
 
glance(lm.res)

## # A tibble: 1 x 11
##   r.squared adj.r.squared sigma statistic  p.value    df logLik   AIC   BIC
##       <dbl>         <dbl> <dbl>     <dbl>    <dbl> <int>  <dbl> <dbl> <dbl>
## 1     0.651         0.644  15.4      89.6 1.49e-12     2  -207.  419.  425.
## # ... with 2 more variables: deviance <dbl>, df.residual <int>

tidy

tidy() restituisce invece le informazioni contenute nel summary, semplificato e organizzato in tabella:

tidy(lm.res)

## # A tibble: 2 x 5
##   term        estimate std.error statistic  p.value
##   <chr>          <dbl>     <dbl>     <dbl>    <dbl>
## 1 (Intercept)   -17.6      6.76      -2.60 1.23e- 2
## 2 speed           3.93     0.416      9.46 1.49e-12

augment

augment() mostra il dataset originario con statistiche derivate dal modello. Può essere utilizzata anche con un altro set di dati (in chiave predittiva):

augment(lm.res)

## # A tibble: 50 x 9
##     dist speed .fitted .se.fit .resid   .hat .sigma  .cooksd .std.resid
##    <dbl> <dbl>   <dbl>   <dbl>  <dbl>  <dbl>  <dbl>    <dbl>      <dbl>
##  1     2     4   -1.85    5.21   3.85 0.115    15.5 0.00459       0.266
##  2    10     4   -1.85    5.21  11.8  0.115    15.4 0.0435        0.819
##  3     4     7    9.95    4.11  -5.95 0.0715   15.5 0.00620      -0.401
##  4    22     7    9.95    4.11  12.1  0.0715   15.4 0.0255        0.813
##  5    16     8   13.9     3.77   2.12 0.0600   15.5 0.000645      0.142
##  6    10     9   17.8     3.44  -7.81 0.0499   15.5 0.00713      -0.521
##  7    18    10   21.7     3.12  -3.74 0.0413   15.5 0.00133      -0.249
##  8    26    10   21.7     3.12   4.26 0.0413   15.5 0.00172       0.283
##  9    34    10   21.7     3.12  12.3  0.0413   15.4 0.0143        0.814
## 10    17    11   25.7     2.84  -8.68 0.0341   15.5 0.00582      -0.574
## # ... with 40 more rows

Con gli altri pacchetti del tidyverse

Selezioniamo i casi con i residui standard > |1,5| (per studiare gli outliers):

library(tidyverse)
library(knitr)
 
augment(lm.res) %>% 
  select(dist, speed, .fitted, .resid, .std.resid) %>%   # seleziona le colonne
  filter(.std.resid > abs(1.5)) %>%                      # seleziona i casi
  arrange(desc(.std.resid)) %>%                          # ordina le righe
  kable()                                                # formatta la tabella

 dist   speed    .fitted     .resid   .std.resid
-----  ------  ---------  ---------  -----------
  120      24   76.79872   43.20128     2.919060
   80      14   37.47463   42.52537     2.795166
   84      18   53.20426   30.79574     2.027818
   76      18   53.20426   22.79574     1.501039

Questa è una tabella formattata, in formato markdown (quindi può essere esportata in formato html, word, ecc.).

Comandi, Funzioni, Tidyverse

¹⁾

Parte del tidyverse, ma non è caricato con library(tidyverse), in quanto rientra in una serie di pacchetti specializzati nell’uso e nella gestione dei modelli e del ML (Tidy Models).

²⁾

Vengono presentate anche statistiche che nell'output normale (con summary()) non sono di default.