【R】broom

1. はじめに

broomは、tibble型のモデルについての情報を要約してくれるパッケージです。tidymodelsにも含まれています。

以下の3つの関数があります。
・tidy()：モデルの構造についての情報を要約します。
・glance()：モデル全体についての情報の要約です。
・augment()：観測変数に対するデータセット全体の情報。

2. インストール

CRANからインストールします。

install.packages("broom")

3. 使ってみる

library(broom)
library(tidyverse)

data(diamonds)
fit <- lm(price ~ carat + cut + depth, diamonds)
tidy(fit)

> tidy(fit)
# A tibble: 7 x 5
  term        estimate std.error statistic  p.value
  <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 (Intercept)    435.     302.        1.44 1.50e- 1
2 carat         7873.      14.0     564.   0.      
3 cut.L         1148.      27.5      41.7  0.      
4 cut.Q         -472.      23.8     -19.9  1.95e-87
5 cut.C          366.      20.2      18.1  3.05e-73
6 cut^4           87.6     16.3       5.38 7.38e- 8
7 depth          -50.4      4.85    -10.4  2.60e-25

glance(fit)

> glance(fit)
# A tibble: 1 x 12
  r.squared adj.r.squared sigma statistic p.value    df  logLik    AIC    BIC deviance
      <dbl>         <dbl> <dbl>     <dbl>   <dbl> <dbl>   <dbl>  <dbl>  <dbl>    <dbl>
1     0.857         0.857 1510.    53766.       0     6 -4.71e5 9.43e5 9.43e5  1.23e11
# ... with 2 more variables: df.residual <int>, nobs <int>

augment(fit, data = diamonds) 

> glance(fit)
# A tibble: 1 x 12
  r.squared adj.r.squared sigma statistic p.value    df  logLik    AIC    BIC deviance
      <dbl>         <dbl> <dbl>     <dbl>   <dbl> <dbl>   <dbl>  <dbl>  <dbl>    <dbl>
1     0.857         0.857 1510.    53766.       0     6 -4.71e5 9.43e5 9.43e5  1.23e11
# ... with 2 more variables: df.residual <int>, nobs <int>
> augment(fit, data = diamonds)
# A tibble: 53,940 x 16
   carat cut   color clarity depth table price     x     y     z .fitted .resid
   <dbl> <ord> <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>   <dbl>  <dbl>
 1 0.23  Ideal E     SI2      61.5    55   326  3.95  3.98  2.43   -255.   581.
 2 0.21  Prem~ E     SI1      59.8    61   326  3.89  3.84  2.31   -711.  1037.
 3 0.23  Good  E     VS1      56.9    65   327  4.05  4.07  2.31   -671.   998.
 4 0.290 Prem~ I     VS2      62.4    58   334  4.2   4.23  2.63   -212.   546.
 5 0.31  Good  J     SI2      63.3    58   335  4.34  4.35  2.75   -363.   698.
 6 0.24  Very~ J     VVS2     62.8    57   336  3.94  3.96  2.48   -527.   863.
 7 0.24  Very~ I     VVS1     62.3    57   336  3.95  3.98  2.47   -502.   838.
 8 0.26  Very~ H     SI1      61.9    55   337  4.07  4.11  2.53   -324.   661.
 9 0.22  Fair  E     VS2      65.1    61   337  3.87  3.78  2.49  -2199.  2536.
10 0.23  Very~ H     VS1      59.4    61   338  4     4.05  2.39   -434.   772.
# ... with 53,930 more rows, and 4 more variables: .std.resid <dbl>, .hat <dbl>,
#   .sigma <dbl>, .cooksd <dbl>

4. さいごに

実際に、モデルの評価でお世話になっております。