Вывод логистической модели в R

Я пытаюсь интерпретировать следующий тип логистической модели:

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

Является ли вывод predict(mdl)ожидаемых шансов на успех для каждой точки данных? Есть ли простой способ табулировать шансы для каждого факторного уровня модели, а не для всех точек данных?

r logistic generalized-linear-model

— Джеймс
источник

Не могли бы вы быть более точными в том, что вы подразумеваете под перекрестной таблицей операций? Ваши факторы имеют более двух уровней?

— ЧЛ

Да, факторы имеют 3 и 6 уровней соответственно. Я хочу таблицу с прогнозными коэффициентами для каждой возможной комбинации fac1и fac2.

— Джеймс

Хорошо, ответ @ Бернда меня устраивает. Может быть, посмотрите на Designпосылку от Франка Харрелла; он имеет очень хорошие функции lrm()для GLM и связанных с ними вещей.

— ЧЛ

Страницы справки для

predict.glm

состояние: «Таким образом, для биномиальной модели по умолчанию предсказания по умолчанию имеют лог-шансы (вероятности в логит-масштабе), а« type = "response» «дает предсказанные вероятности». Итак, predict(mdl)возвращает лог (шансы), а использование «type =» response »возвращает предсказанные вероятности. Вы можете найти этот игрушечный пример поучительным:

> 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

Что касается вашего второго вопроса, вы можете проверить пакет эффектов http://socserv.socsci.mcmaster.ca/jfox/Misc/effects/index.html от Джона Фокса; см. также его статью JSS «Отображение эффектов в R для обобщенных линейных моделей» (стр. 8-10).

— Бернд Вайс
источник

Отлично! Это именно то, что я искал, спасибо!

— Джеймс