R predict.glm GLM 拟合的预测方法

说明

从拟合的广义线性模型对象获取预测并可选择估计这些预测的标准误差。

用法

## S3 method for class 'glm'
predict(object, newdata = NULL,
            type = c("link", "response", "terms"),
            se.fit = FALSE, dispersion = NULL, terms = NULL,
            na.action = na.pass, ...)

参数

object	继承自 "glm" 的类的拟合对象。
newdata	(可选)一个 DataFrame ，用于在其中查找用于预测的变量。如果省略，则使用拟合的线性预测变量。
type	所需的预测类型。默认值是线性预测变量的尺度；替代方案 "response" 位于响应变量的范围内。因此，对于默认二项式模型，默认预测为log-odds(logit 尺度上的概率)，type = "response" 给出预测概率。 "terms" 选项返回一个矩阵，给出线性预测尺度上模型公式中每一项的拟合值。 该参数的值可以缩写。
se.fit	指示是否需要标准错误的逻辑开关。
dispersion	计算标准误差时假设的 GLM 拟合的离散度。如果省略，则使用应用到对象的 summary 返回的值。
terms	默认情况下，type = "terms" 返回所有术语。字符向量指定要返回哪些术语
na.action	函数确定应如何处理 newdata 中的缺失值。默认是预测 NA 。
...	传入或传出其他方法的进一步参数。

细节

如果省略newdata，则预测基于用于拟合的数据。在这种情况下，原始拟合中缺失值的情况如何由该拟合的 na.action 参数确定。如果 na.action = na.omit 省略的情况不会出现在残差中，而如果 na.action = na.exclude 它们将出现(在预测和标准误差中)，残差值为 NA 。另请参阅napredict。

值

如果是 se.fit = FALSE ，则为预测向量或矩阵。对于 type = "terms" 来说，这是一个每项有一列的矩阵，并且可能具有属性 "constant" 。

如果是 se.fit = TRUE ，则包含组件的列表

fit	预测，对于 se.fit = FALSE 。
se.fit	估计的标准误差。
residual.scale	给出计算标准误差时使用的色散平方根的标量。

注意

首先在 newdata 中查找变量，然后以通常的方式搜索(其中包括拟合中使用的公式的环境)。如果找到的变量长度与 newdata 中提供的变量长度不同，则会发出警告。

例子

require(graphics)

## example from Venables and Ripley (2002, pp. 190-2.)
ldose <- rep(0:5, 2)
numdead <- c(1, 4, 9, 13, 18, 20, 0, 2, 6, 10, 12, 16)
sex <- factor(rep(c("M", "F"), c(6, 6)))
SF <- cbind(numdead, numalive = 20-numdead)
budworm.lg <- glm(SF ~ sex*ldose, family = binomial)
summary(budworm.lg)

plot(c(1,32), c(0,1), type = "n", xlab = "dose",
     ylab = "prob", log = "x")
text(2^ldose, numdead/20, as.character(sex))
ld <- seq(0, 5, 0.1)
lines(2^ld, predict(budworm.lg, data.frame(ldose = ld,
   sex = factor(rep("M", length(ld)), levels = levels(sex))),
   type = "response"))
lines(2^ld, predict(budworm.lg, data.frame(ldose = ld,
   sex = factor(rep("F", length(ld)), levels = levels(sex))),
   type = "response"))

也可以看看

glm , SafePrediction