【问题标题】:R predict() dependent variable Y=f(X) using arbitrary coefficientsR predict() 因变量 Y=f(X) 使用任意系数
【发布时间】:2018-05-07 14:24:06
【问题描述】:

我在 R 中运行以下形式的逻辑回归:

results<-glm(Y~X,family=binomial(link='logit')) 我从中得出估计系数和拟合观察值。

我想知道是否可以使用其他任意固定值 计算不同的。

请注意,我已经尝试更改估计系数 results$cofficients<-c(0.9,1.2)(这里 0.9 和 1.2 只是示例)并使用函数 predict(results,type="response") 尽管它不起作用,因为拟合值之间没有差异。

【问题讨论】:

    标签: r glm predict


    【解决方案1】:

    改变系数应该可以做到。但是,如果您仅依靠使用原始数据的预测函数来预测原始数据,如果没有传递任何其他数据进行预测(即不使用newdata=something),它会直接使用模型对象中的拟合值。

    你可以通过告诉它在你的预测调用中使用newdata=your_original_data来绕过这个。

    一个例子

    > dat <- mtcars[1:5,]
    > results <- glm(vs ~ mpg, data = dat, family = binomial(link = 'logit'))
    Warning message:
    glm.fit: fitted probabilities numerically 0 or 1 occurred 
    > predict(results)
            Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout 
            -23.66411         -23.66411         186.49174          23.03719        -292.19658 
    > coefficients(results)
    (Intercept)         mpg 
     -2475.4823    116.7532 
    > results$coefficients[1] <- 0
    > predict(results) # uses original fitted values
            Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout 
            -23.66411         -23.66411         186.49174          23.03719        -292.19658 
    > predict(results, newdata = dat)
            Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout 
             2451.818          2451.818          2661.974          2498.519          2183.286 
    

    【讨论】:

    • 只是为了明确并与您提出的上述问题保持一致newdata=X ?
    • @Whitebeard13 当然可以。我只是假设 Y 和 X 是实际变量名称的占位符,而您也使用了 data 参数。
    • 确实有效。您的示例代码中唯一应该更改的内容(如果我错了请告诉我)是:predict(results, newdata = dat) 应该变成 predict(results, newdata = dat,type="response")
    • @Whitebeard13 当然可以。老实说,这对实际问题/答案的机制并不重要,所以我没有打扰。
    • @Whitebeard13 我拒绝编辑,因为此时代码实际上与输出不匹配。如果您想进行更改(并对所有调用进行预测),那很好,但也要更新输出。
    猜你喜欢
    • 1970-01-01
    • 2020-08-31
    • 1970-01-01
    • 2023-03-04
    • 1970-01-01
    • 2021-09-25
    • 2016-04-01
    • 2023-03-27
    • 1970-01-01
    相关资源
    最近更新 更多