Question

我首先要求我适应GLM的问题，我没有遇到任何问题。我得到了这个方程式，我非常肯定是正确的。

logit（Damage）= 5.08498-0.11560（TempF）

然后，我被问到这个问题：

构建第二个图表，将温度数据的范围扩展到30华氏度。使用以下脚本执行此操作以开始使用：
plot(c(30,85), c(0,1), type='n',xlab="Temperature (F)", ylab="Damage")
rug(x=spacshu$TempF[spacshu$Damage==0],side=1)
rug(x=spacshu$TempF[spacshu$Damage==1],side=3)
然后使用您在上面创建的模型估算出的温度范围为30到85华氏度的预测响应。

通过“上面”，它很可能是指我做这部分的部分，涉及反向变换。

spacshub.pred = exp(predict(spacshub.glm))/(1+exp(predict(spacshub.glm)))

我的困惑从这里开始。数据（上图，.txt文件中的超链接）显示基于温度和损坏的观察结果，损坏是二项式变量，仅为0（未销毁）和1（销毁）。从我读到的二项式glms，

将Yi视为伯努利随机变量，我们可以按如下方式说明概率分布：

{P（Yi = 1）= pi，P（Yi = 0）= 1-pi}

当我在R中插入一个值时，它给出了一个介于0和1之间的值，并且根据数据销毁的大多数航天飞机都有高（呃）pi值。

现在问题就在于此。当我初始化我的新数据时，我该如何去做呢？初始化TempF的东西很容易，但我该如何处理损坏呢？我之前执行的预测命令没有给出0或1，而是一组介于0和1之间的概率值。我究竟如何初始化30到85度的新数据框？

编辑：谢谢大家。这有帮助，我可以做出预测。但是，我认为我的编码有点不对劲。我也试图制作一条拟合线，但我不确定如何改变我预测的元素数量。这主要是因为数据中存在大量重复。所以当我这样做时

newdata = data.frame(TempF=seq(30,85))
spacshu.predict = predict(spacshub.glm, newdata, type="response", se.fit=T)

只有56个元素，而不是数据集中的138个元素。除非它们相等，否则我无法绘制拟合图。我该如何处理预测器？

Answer 1

首先回到基础，你正在研究一个具有二项式因变量（损伤）的逻辑回归模型。您描述的logit函数：

   logit(Damage)= 5.08498-0.11560(TempF)

可以估算所需范围的 logit （伤害）（30到85华氏度）。

这将导致您在该范围内的logit的所有不同数字，看看here以查看此logit值的真正含义。

你从你的方程中得到的值可以用你已经描述过的方程转换成概率，它会给你一个介于0和1之间的值。这就是在某个温度下会有（1）或意志的概率不是（0）是伤害。

GLM只是一种预测二项式变量与连续变量相关的概率的方法。

希望这足以让你的情节得以实现。

在二项式GLM中预测新数据

1 个答案: