相当于R中泊松族的plogis(logit)
问题描述:
注意:这是一个交叉发布。我上个星期在Cross Validated上发布了这个问题,但是,它或者不适合那里,或者它不被识别 - 因此,我试图在这里得到答案...相当于R中泊松族的plogis(logit)
当我运行glm
与二项式家族(逻辑回归),R输出给我的对数估计,它可以使用plogis(logit)
转化为概率。所以使用类似plogis(predict(glm_fit, type = "terms"))
的东西会给我调整每个预测变量的成功概率。
但是什么是泊松回归的等价物?如何“预测”每个预测变量的调整事件率?
考虑这个例子:
set.seed(123)
dat <- data.frame(y = rpois(100, 1.5),
x1 = round(runif(n = 100, 30, 70)),
x2 = rbinom(100, size = 1, prob = .8),
x3 = round(abs(rnorm(n = 100, 10, 5))))
fit <- glm(y ~ x1 + x2 + x3, family = poisson(), data = dat)
,并使用predict.glm(fit, type = "terms")
我得到:
x1 x2 x3
1 -0.023487964 0.04701003 0.02563723
2 0.052058119 -0.20041119 0.02563723
3 0.003983339 0.04701003 0.01255701
4 -0.119637524 0.04701003 -0.03322376
5 0.010851165 0.04701003 -0.00706332
6 -0.105901873 -0.20041119 -0.00706332
...
attr(,"constant")
[1] 0.3786072
所以,我有多少 “事故”(y值)期望为每个值x1
,持有x2
和不变(什么predict
呢,afaik)?
答
好吧,我想我现在找到了我正在寻找的东西:反向链接函数。因此,family(fit)$linkinv(eta = ...)
为我提供了不同型号系列和链接功能的正确预测值/效果。
例如,对于使用logit-link的二项式回归,family(fit)$linkinv(eta = x)
相当于plogis(x)
。