Виведення логістичної моделі в R

Я намагаюся інтерпретувати такий тип логістичної моделі:

mdl <- glm(c(suc,fail) ~ fac1 + fac2, data=df, family=binomial)

Чи є результат predict(mdl)очікуваних шансів на успіх для кожної точки даних? Чи існує простий спосіб підрахунку шансів для кожного факторного рівня моделі, а не всіх точок даних?

r logistic generalized-linear-model

— Джеймс
джерело

Не могли б ви бути більш точними щодо того, що ви маєте на увазі, перехресним підрахунком ОР? У ваших факторів більше двох рівнів?

— chl

Так, фактори мають 3 та 6 рівнів відповідно. Я хочу таблицю того, які прогнозовані шанси для кожної можливої комбінації fac1та fac2.

— Джеймс

Гаразд, @ відповідь Бернда зі мною добре. Можливо, подивіться на Designпакунок від Франка Гаррелла; він має дуже приємні функції lrm()для ГЛМ та подібних матеріалів.

— chl

Сторінки довідки для

predict.glm

state: "Таким чином, для біноміальної моделі за замовчуванням прогнози за замовчуванням складаються з log-шансів (ймовірності в масштабі logit), а 'type =" response "' дає прогнозовані ймовірності". Отже, predict(mdl)повертає журнал (коефіцієнти), а за допомогою "type =" response "повертає передбачувані ймовірності. Цей приклад іграшки може бути повчальним:

> y <- c(0,0,0,1,1,1,1,1,1,1)
> prop.table(table(y))
y
  0   1 
0.3 0.7 
> glm.y <- glm(y~1, family = "binomial")
> ## predicted log(odds)
> predict(glm.y)
        1         2         3         4         5         6         7         8 
0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 
        9        10 
0.8472979 0.8472979 
> ## predicted probabilities (p = odds/(1+odds))
> exp(predict(glm.y))/(1+exp(predict(glm.y)))
  1   2   3   4   5   6   7   8   9  10 
0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 
> predict(glm.y, type = "response")
  1   2   3   4   5   6   7   8   9  10 
0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7

Щодо вашого другого питання, ви можете перевірити пакет ефектів http://socserv.socsci.mcmaster.ca/jfox/Misc/effects/index.html від Джона Фокса; див. також його статтю JSS "Ефекти відображення в R для узагальнених лінійних моделей" (стор. 8-10).

— Бернд Вайс
джерело

Відмінно! Це саме те, що я шукав, дякую!

— Джеймс