使用 glm 的条件预测概率答案

【问题标题】：Conditional predicted probabilities using glm使用 glm 的条件预测概率
【发布时间】：2012-08-07 02:55:37
【问题描述】：

简单的问题，我想不通。我正在尝试从包括交互的模型中生成条件预测概率。例如，我希望能够将 x2==1 和 x3==0 时的预测概率与 x2==0 和 x3==1 时的预测概率进行比较。

我正在尝试这样做：

model <- glm(y~x1 + x2 * x3, family=binomial(link="logit"), data=data)
predprob1 <- predict(model, type="response", newdata=(x1=mean(x1) & x2==1 & x3==0))
predprob2 <- predict(model, type="response", newdata=(x1=mean(x1) & x2==0 & x3==1))
probdiff<-predprob1-predprob2

之后，我需要计算概率差异的 95CI。我相信这对你们 R 天才来说很简单。感谢您的帮助！

【问题讨论】：

正如所提出的，这个问题承认没有可能的解决方案，因为具有默认高斯分布的 glm 不会产生概率估计。由于您没有在“newdata”参数中包含所有预测变量值（并且您的命名不正确），因此您可能会得到原始数据的估计值（或错误）。
您好，我正在添加我认为应该有帮助的更正？我试图将 X1 设置为平均值，尽管该代码也可能是错误的。
你仍然没有提供 newdata 一个数据框对象，即使你提供了正确的类，你也没有为 mean(x1) 的结果分配名称（即'x1'）它需要。

标签： r

【解决方案1】：

也许（在没有工作示例的情况下未经测试）：

model <- glm(y~x1 + x2 * x3, family=binomial(link="logit"), data=data)
predprob1 <- predict(model, type="response", 
                     newdata=with(data, data.frame(x1=mean(x1) & x2=1 & x3=0))
predprob2 <- predict(model, type="response", 
                     newdata=with(data, data.frame(x1=mean(x1) & x2=0 & x3=1))
probdiff <- predprob1-predprob2

另一个 R 错误是使用 '==' 进行赋值。它用于逻辑测试。

【讨论】：