R predict() 因变量 Y=f(X) 使用任意系数

Question

我是运行 R 中以下形式的逻辑回归：

results<-glm(Y~X,family=binomial(link='logit')) 我从中推导出估计系数和拟合观测 .

我想知道是否可以使用其他任意固定值来计算不同的。

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") 尽管它没有用，因为没有区别在拟合值之间。

Answer 1

改变系数就可以了。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的拟合值.

您可以通过告诉它在您的预测调用中使用 newdata=your_original_data 来绕过它。

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

R predict() 因变量 Y=f(X) 使用任意系数

R predict() dependent variable Y=f(X) using arbitrary coefficients

r

predict

glm