为逻辑回归模型引导 CI

Question

我有一个逻辑回归模型，用于预测帝王蟹成熟时的大小，但我在使用引导包设置引导代码时遇到了麻烦。这就是我所拥有的：

#FEMALE GKC SAM#
LowerChatham<-read.table(file=file.choose(),header=TRUE)

#LOGISTIC REGRESSION FIT#
glm.out<-glm(Mature~CL,family=binomial(link=logit),data=LowerChatham)
plot(Mature~CL,data=LowerChatham)
lines(LowerChatham$CL,glm.out$fitted,col="red")
title(main="Lower Chatham")
summary(glm.out)
segments(98.9,0,98.9,0.5,col=1,lty=3,lwd=3)

SAM<-data.frame(CL=98.97)
predict(glm.out,SAM,type="response")

我想引导统计 CL=98.97，因为我对 50% 的螃蟹成熟的大小感兴趣，但我不知道如何设置我的函数来指定该统计，更不用说引导一般功能以获得我的 95% C.I.任何帮助将不胜感激！谢谢！

Answer 1

在每次引导迭代中，您都想做类似的事情

range <- 1:100 # this could be any substantively meaningful range
p <- predict(glm.out, newdata = data.frame(CL=range), "response")
range[match(TRUE,p>.5)] # predicted probability of 50% maturity

您可以将 CL 的值范围指定为您需要的任何精度。然后计算每个级别的预测成熟概率。然后在预测概率超过 0.5 的范围内找到阈值。这听起来像是您想要引导的统计数据。

您也不需要boot 来执行此操作。如果您定义了一个函数，该函数对该统计数据进行采样并将其作为结果输出，您只需执行replicate(1000, myfun) 即可获得引导分布，如下所示：

myfun <- function(){
    srows <- sample(1:nrow(LowerChatham),nrow(LowerChatham),TRUE)
    glm.out <- (Mature ~ CL, family=binomial(link=logit), data=LowerChatham[srows,])
    range <- 1:100 # this could be any substantively meaningful range
    p <- predict(glm.out, newdata = data.frame(CL=range), "response")
    return(range[match(TRUE,p>.5)]) # predicted probability of 50% maturity
}
bootdist <- replicate(1000, myfun()) # your distribution
quantile(unlist(bootdist),c(.025,.975)) # 95% CI