如何使用 predict.glm() 对未中心化的术语预测进行评分

Question

我正在构建一个简单的 GLM 模型，如下所示：

model1 = glm(y ~ x1 + x2 + x3, data=train)

我使用 predict 函数对新预测进行评分

newpred = predict(object=model1, newdata= validation, type = 'term')

通过指定选项type = 'term'，我希望获得单个术语的预测（即 beta1 * x1、beta2 * x2 等）。然而，事实证明type = 'term' 选项将返回以 0 为中心的列值居中的“居中”预测（如下所述：What does predict.glm(, type="terms") actually do?）

我的问题是，是否有一种简单的方法可以获得普通的术语预测而不是中心化的术语预测。该模型有分类变量，我希望每个分类变量有一个术语（与type = 'term' 选项的输出相同），而不是一系列虚拟指标变量。

Answer 1

如果你的模型真的那么简单（例如，只有简单的连续预测变量）那么我觉得

X <- model.matrix(formula(model), data=train)
sweep(X, coef(model), MARGIN=2, FUN="*")

应该可以（我没有测试过）； predict(.,"terms") 的许多复杂内部机制用于收集属于同一“项”的列（例如，一组多项式或样条系数）。