R：绘制时间变量的预测和实际响应

Question

我有一个模型，我想在其中绘制时间变量的预测。在同一图表中添加该时间点的平均响应也会非常有帮助。

这是一些可重现的数据。

set.seed(123)
x1 = rnorm(1000)           # some continuous variables 
x2 = rnorm(1000)
z = 1 + 2*x1 + 3*x2        # linear combination with a bias
pr = 1/(1+exp(-z))         # pass through an inv-logit function
 y = rbinom(1000,1,pr)      # bernoulli response variable

#valid glm:
df = data.frame(y=y,x1=x1,x2=x2,time=rep(seq(1:10),10))
fit = glm( y~x1+x2,data=df,family="binomial")

现在我想用 time 组绘制 mean(predict(fit,df,type="response")) 以及 time 组绘制 mean(y)。

有什么提示或想法吗？

编辑：感谢您的回复！是的，我知道在这个例子中时间不在模型中。我只是想举一个简单的例子。在我的真实模型中，时间包括在内。是的，我想绘制随时间推移的平均响应和平均预测。

Answer 1

您是根据 x1 和 x2 而不是时间进行预测，因此每次都会有多个预测。如果你想绘制每次 mean(y) 和每次预测的平均值 y （红色）你可以做

require(dplyr);require(reshape2);require(ggplot2)
df %>% 
    mutate(pred = predict(fit, df, type="response")) %>% 
    group_by(time) %>% 
    summarize_at(vars(y, pred), mean) %>% 
    melt(id = 'time') %>% 
    ggplot(aes(time, value, color = variable)) + geom_line()

Answer 2

对我来说，在模型中不包括时间的情况下，这似乎是一件奇怪的事情。下面是一种方法，计算 x 的平均值和预测的平均值。

library(tidyverse)

df$pred <- predict(fit)

means <- df %>% 
  group_by(time) %>% 
  summarize(mean_y = mean(y),
            mean_pred = mean(pred)) %>% 
  gather(mean, val, -time)

ggplot(means, aes(time, val, color = mean)) +
  geom_point() +
  geom_line()

R：绘制时间变量的预测和实际响应

R: Plot predicted and actual response over a time variable

r

ggplot2

survival-analysis