เอาต์พุตของโมเดลโลจิสติกใน R

ฉันพยายามตีความโมเดลโลจิสติกส์ประเภทต่อไปนี้:

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

ผลลัพธ์ของpredict(mdl)อัตราความสำเร็จที่คาดหวังสำหรับแต่ละจุดข้อมูลเป็นเท่าใด มีวิธีง่าย ๆ ในการกำหนดอัตราเดิมพันสำหรับแต่ละระดับของโมเดลแทนที่จะเป็นจุดข้อมูลทั้งหมดหรือไม่

หน้าช่วยเหลือสำหรับ

predict.glm

สถานะ: "ดังนั้นสำหรับแบบจำลองทวินามเริ่มต้นการคาดการณ์เริ่มต้นของอัตราต่อรอง (ความน่าจะเป็นในระดับ logit) และ 'type =" response "' ให้ความน่าจะเป็นที่คาดการณ์ไว้" ดังนั้นpredict(mdl)ส่งคืนบันทึก (อัตราต่อรอง) และการใช้ "type =" response "ส่งคืนความน่าจะเป็นที่คาดการณ์ไว้คุณอาจพบคำแนะนำตัวอย่างของเล่นนี้:

> 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 

เกี่ยวกับคำถามที่สองของคุณคุณอาจต้องการดูhttp://socserv.socsci.mcmaster.ca/jfox/Misc/effects/index.htmlโดย John Fox; ดูบทความ JSS ของเขา "การแสดงเอฟเฟกต์ใน R สำหรับโมเดลเชิงเส้นทั่วไป" (pp. 8-10)