Output del modello logistico in R

Sto cercando di interpretare il seguente tipo di modello logistico:

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

L'output delle predict(mdl)probabilità di successo previste per ciascun punto dati? Esiste un modo semplice per tabulare le probabilità per ogni livello di fattore del modello, piuttosto che tutti i punti dati?

r logistic generalized-linear-model

— Giacomo
fonte

Potresti essere più preciso su cosa intendi per tabulazione incrociata delle RUP? I tuoi fattori hanno più di due livelli?

— chl,

Sì, i fattori hanno rispettivamente 3 e 6 livelli. Voglio una tabella di quali sono le probabilità previste per ogni possibile combinazione di fac1e fac2.

— James,

Ok, la risposta di @ Bernd va bene con me. Forse dai un'occhiata al Designpacchetto di Franck Harrell; ha funzioni molto belle insieme lrm()per GLM e cose correlate.

— chl,

Le pagine di aiuto per

predict.glm

state: "Pertanto, per un modello binomiale predefinito le previsioni predefinite sono delle probabilità di log (probabilità su scala logit) e 'type =" response "' fornisce le probabilità previste". Quindi, predict(mdl)restituisce il registro (probabilità) e l'utilizzo di "type =" response "restituisce le probabilità previste. Questo esempio di giocattolo potrebbe essere istruttivo:

> 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

Per quanto riguarda la tua seconda domanda, potresti voler dare un'occhiata al pacchetto di effetti http://socserv.socsci.mcmaster.ca/jfox/Misc/effects/index.html di John Fox; vedere anche il suo articolo JSS "Display di effetti in R per modelli lineari generalizzati" (pagg. 8-10).

— Bernd Weiss
fonte

Eccellente! Questo è esattamente quello che stavo cercando, grazie!

— James,