Wyjście modelu logistycznego w R.

10

Próbuję zinterpretować następujący typ modelu logistycznego:

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

Czy wynik predict(mdl)oczekiwanych szans powodzenia dla każdego punktu danych? Czy istnieje prosty sposób na zestawienie szans dla każdego poziomu czynnika w modelu, a nie dla wszystkich punktów danych?

James
źródło
Czy możesz bardziej precyzyjnie określić, co masz na myśli, zestawiając RNO? Twoje czynniki mają więcej niż dwa poziomy?
chl
Tak, czynniki mają odpowiednio 3 i 6 poziomów. Chcę tabeli z przewidywanymi szansami dla każdej możliwej kombinacji fac1i fac2.
James
Ok, odpowiedź @ Bernd jest dla mnie w porządku. Może rzucisz okiem na Designpaczkę od Francka Harrella; ma bardzo fajne funkcje lrm()dla GLM i pokrewnych rzeczy.
chl

Odpowiedzi:

14

Strony pomocy dla

predict.glm

state: „Zatem dla domyślnego modelu dwumianowego domyślnymi przewidywaniami są iloraz szans (prawdopodobieństwa w skali logit), a„ type = „response” „daje przewidywane prawdopodobieństwa”. Tak, predict(mdl)zwraca log (OR) i za pomocą „type =«odpowiedź»zwraca przewidywanych prawdopodobieństw Można znaleźć ten przykład zabawki pouczające.:

> 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 

Jeśli chodzi o twoje drugie pytanie, możesz sprawdzić pakiet efektów http://socserv.socsci.mcmaster.ca/jfox/Misc/effects/index.html autorstwa Johna Foxa; patrz także jego artykuł JSS „Wyświetlacze efektów w R dla uogólnionych modeli liniowych” (str. 8-10).

Bernd Weiss
źródło
Świetny! Właśnie tego szukałem, dzięki!
James