Discussion :

[Lichen]

bonjour,
j'essaye de sortir la table de résultats d'une régression logistique multinomiale en csv mais je n'y parviens pas : j'ai soit des csv vides (avec le code ci-dessous), soit le message "$ operator is invalid for atomic vectors").
J'utilise un code similaire à celui que j'employais pour avoir les sorties de régressions linéaires, mais ça ne fonctionne pas avec ce nouveau type de régression.
j'ai notamment essayé :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
    MLM.7 <- multinom(var1 ~ var2 + var3, data=rok, trace=FALSE)
    summary(MLM.7, cor=FALSE, Wald=TRUE)
    write.csv2(as.data.frame(summary(MLM.7)$coef), file= "/mon chemin d'accès/MLM.7.csv")

et je n'arrive pas non plus à obtenir les p-values associés aux résultats. Par ailleurs comme je croise des variables qualitatives dont l'une a pour réponses "ne sais pas", "pas d'accord", "un peu d'accord"... "tout à fait d'accord", il me sort tout dans le désordre et je me demande si ça peut avoir une incidence sur l'interprétation des résultats par rapport à la référence qu'il place en tête de liste.
Merci d'avance si vous pouvez m'aider.

[A. D.]

Bonjour,

N'ayant pas accès à vos données, je ne peux pas tester sur votre exemple. Merci également de préciser les packages utilisés : ici je suppose que la fonction "multinom" que vous utilisez provient du package "nnet", c'est bien cela ?

Avez-vous vérifié le contenu de as.data.frame(summary(MLM.7)$coef) avant de tenter de l'écrire dans un CSV ?

Pour ce qui est de l'ordre des catégories d'une variable qualitative, par défaut R utilise l'ordre alphabétique mais vous pouvez les ré-ordonner vous-même avant l'analyse via factor(..., levels = ...).

Sinon avec la fonction "glm" a priori pas de soucis pour récupérer la sortie "classique" :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
clotting <- data.frame(
    u = c(5,10,15,20,30,40,60,80,100),
    lot1 = c(118,58,42,35,27,25,21,19,18),
    lot2 = c(69,35,26,21,18,16,13,12,12))
S <- summary(glm(lot1 ~ log(u), data = clotting, family = Gamma))
write.csv(S$coefficients, "reg_output.csv")

HTH !


Cordialement,


A.D.

[Lichen]

bonjour,
merci de votre réponse.
Voici qques infos sur mes données :
Je souhaite analyser les liens (déjà repérés en 2 à 2 avec des chis 2) entre les 3 variables suivantes :
- type de système agricole (AB, mixte ou conventionnel)
- durée d'expérience (1, 2 ou 3 ans et +)
- perception d'une difficulté sur un itinéraire cultural ("pas d'accord" sur l'existence d'une difficulté, "un peu d'accord", "assez d'accord", "tout à fait d'accord").

Pour commencer, mes variables "système" et "expérience" sont liées : en effet, les "bio" ont plus d'expérience que les conventionnels sur l’itinéraire cultural que j'étudie. Mais parfois (selon le type de difficulté, car j'en teste plusieurs) l'une ou l'autre de ces variables peuvent avoir plus ou moins de poids. Par exemple c'est le fait d'être en bio avant l'expérience qui va orienter le type de réponse (ne sait pas, un peu d'accord...).

On m'a conseillé d'utiliser un modèle logit multinomial pour faire la part des choses entre mes variables.
J'utilise le package Rcommander, qui s'appuie pour sortir ces modèles sur les library "nnet" et "MASS"

j'ai donc le code suivant (j'ai mis ici le nom des variables en entier pour que ce soit plus clair):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
MLM.7 <- multinom(difficulté ~ syst_exploitation + expérience, data=rok, trace=FALSE)
summary(MLM.7, cor=FALSE, Wald=TRUE)

et j'obtiens ce type de sortie (que je dois encore apprendre à décoder... )

[Lichen]

pour les sorties des coefficients en csv :
je vous remercie pour votre réponse qui m'a permis d'y parvenir :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
MLM.7 <- multinom(difficult ~ syst_expl + experience, data=rok, trace=FALSE)
sort1<-summary(MLM.7, cor=FALSE, Wald=TRUE)
write.csv2(sort1$coefficients, "output2.csv")

peut-on de la même manière obtenir l'ensemble des sorties utiles à l’interprétation? notamment p-value, etc ?
encore merci