R predict.glm GLM 擬合的預測方法

說明

從擬合的廣義線性模型對象獲取預測並可選擇估計這些預測的標準誤差。

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, ...)

參數

object	繼承自 "glm" 的類的擬合對象。
newdata	(可選)一個 DataFrame ，用於在其中查找用於預測的變量。如果省略，則使用擬合的線性預測變量。
type	所需的預測類型。默認值是線性預測變量的尺度；替代方案 "response" 位於響應變量的範圍內。因此，對於默認二項式模型，默認預測為log-odds(logit 尺度上的概率)，type = "response" 給出預測概率。 "terms" 選項返回一個矩陣，給出線性預測尺度上模型公式中每一項的擬合值。 該參數的值可以縮寫。
se.fit	指示是否需要標準錯誤的邏輯開關。
dispersion	計算標準誤差時假設的 GLM 擬合的離散度。如果省略，則使用應用到對象的 summary 返回的值。
terms	默認情況下，type = "terms" 返回所有術語。字符向量指定要返回哪些術語
na.action	函數確定應如何處理 newdata 中的缺失值。默認是預測 NA 。
...	傳入或傳出其他方法的進一步參數。

細節

如果省略newdata，則預測基於用於擬合的數據。在這種情況下，原始擬合中缺失值的情況如何由該擬合的 na.action 參數確定。如果 na.action = na.omit 省略的情況不會出現在殘差中，而如果 na.action = na.exclude 它們將出現(在預測和標準誤差中)，殘差值為 NA 。另請參閱napredict。

值

如果是 se.fit = FALSE ，則為預測向量或矩陣。對於 type = "terms" 來說，這是一個每項有一列的矩陣，並且可能具有屬性 "constant" 。

如果是 se.fit = TRUE ，則包含組件的列表

fit	預測，對於 se.fit = FALSE 。
se.fit	估計的標準誤差。
residual.scale	給出計算標準誤差時使用的色散平方根的標量。

注意

首先在 newdata 中查找變量，然後以通常的方式搜索(其中包括擬合中使用的公式的環境)。如果找到的變量長度與 newdata 中提供的變量長度不同，則會發出警告。

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