Ausgabe des Logistikmodells in R.

10

Ich versuche, die folgende Art von Logistikmodell zu interpretieren:

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

Ist die Ausgabe predict(mdl)der erwarteten Erfolgsaussichten für jeden Datenpunkt? Gibt es eine einfache Möglichkeit, die Quoten für jede Faktorstufe des Modells und nicht für alle Datenpunkte zu tabellieren?

James
quelle
Könnten Sie genauer sagen, was Sie unter Kreuztabellen der OPs verstehen? Ihre Faktoren haben mehr als zwei Ebenen?
Chl
Ja, die Faktoren haben 3 bzw. 6 Stufen. Ich möchte eine Tabelle mit den vorhergesagten Gewinnchancen für jede mögliche Kombination von fac1und fac2.
James
Ok, @ Bernds Antwort passt gut zu mir. Schauen Sie sich vielleicht das DesignPaket von Franck Harrell an. Es hat sehr schöne Funktionen lrm()für GLMs und verwandte Dinge.
Chl

Antworten:

14

Die Hilfeseiten für

predict.glm

state: "Somit sind für ein Standard-Binomialmodell die Standardvorhersagen logarithmische Quoten (Wahrscheinlichkeiten auf der Logit-Skala) und 'type =" response "' gibt die vorhergesagten Wahrscheinlichkeiten an". So predict(mdl)gibt das Protokoll (Odds) und mit „type =‚Antwort‘liefert die vorhergesagten Wahrscheinlichkeiten Sie könnten dieses Spielzeug Beispiel lehrreich finden.:

> 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 

In Bezug auf Ihre zweite Frage sollten Sie sich das Effektpaket http://socserv.socsci.mcmaster.ca/jfox/Misc/effects/index.html von John Fox ansehen. siehe auch seinen JSS-Artikel "Effektanzeigen in R für verallgemeinerte lineare Modelle" (S. 8-10).

Bernd Weiss
quelle
Ausgezeichnet! Genau das habe ich gesucht, danke!
James