Ausgabe des Logistikmodells in R.

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?

r logistic generalized-linear-model

— 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

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