GLM-Poisson mit Offset vorhersagen

Ich weiß, dass dies wahrscheinlich eine grundlegende Frage ist ... Aber ich scheine keine Antwort zu finden.

Ich passe ein GLM an eine Poisson-Familie an und habe dann versucht, einen Blick auf die Vorhersagen zu werfen, aber der Offset scheint berücksichtigt zu werden:

model_glm=glm(cases~rhs(data$year,2003)+lhs(data$year,2003),
offset=(log(population)), data=data, subset=28:36, family=poisson())

predict (model_glm, type="response")

Ich bekomme Fälle nicht Preise ...

Ich habe es auch versucht

model_glm=glm(cases~rhs(data$year,2003)+lhs(data$year,2003)+
offset(log(population)), data=data, subset=28:36, family=poisson())

mit den gleichen Ergebnissen. Wenn ich jedoch aus GAM mit mgcv vorhersage, berücksichtigen die Vorhersagen den Offset (ich erhalte Raten).

Ich vermisse etwas?

r generalized-linear-model prediction offset

— Sandra
quelle

Bitte posten Sie nicht hier und auf den R-Hilfelisten ... und wenn Sie in einem Stackoverflow / Stackexchange-Forum posten würden, wäre SO meiner Meinung nach besser (dies ist eine technische R-Frage, keine Statistikfrage ...)

— Ben Bolker

Es ist richtig, dass Sie Fälle anstelle von Raten erhalten, da Sie Fälle vorhersagen. Wenn Sie die Raten erhalten möchten, sollten Sie die Vorhersagemethode für einen neuen Datensatz verwenden, bei dem alle Spalten gleich Daten sind, die Populationsspalte jedoch identisch 1 ist, damit log (populaton) = 0 ist. In diesem Fall erhalten Sie die Anzahl der Fälle einer Bevölkerungseinheit, dh die Rate.

— Giorgio Spedicato
quelle

Danke, dass du mir geantwortet hast. Ich finde es nicht seltsam, Fälle vorherzusagen, ich dachte nur, mir fehlt etwas, um die Vorhersage für Raten (Fälle / Bevölkerung) festzulegen. Da ich in GAMs nichts anderes hinzufügen musste, um es vorherzusagen (Fälle / Bevölkerung).

— Sandra