为什么 predict.glm() 没有以预期的方式创建预测值？

Question

我正在努力了解 predict.glm() 函数对使用它的工作项目的作用。

为此，我首先查看了在 ?predict.glm() 的文档中找到的示例代码。这让我觉得它可以采用 glm 并预测给定输入向量的响应值。但是我发现很难自定义那个“budworm”示例。所以我自己创建了一个非常简单的模型来尝试看看它是如何工作的。剧透 - 我仍然无法让它工作。

a<-c(1,2,3,4,5)
b<-c(2,3,4,5,6)
result<-glm(b~a,family=gaussian)
summary(result)
plot(c(0,10), c(0,10), type = "n", xlab = "dose",
     ylab = "response")
xvals<-seq(0,10,0.1)
data.frame(xinputs=xvals)
predict.glm(object=result,newdata= data.frame(xinputs=xvals),type='terms')
#lines(xvals, predict.glm(object=result,newdata = xvals, type="response" ))

当我运行 predict.glm(object=result,newdata= data.frame(xinputs=xvals),type='terms') 我收到错误消息：

Warning message:
'newdata' had 101 rows but variables found have 5 rows

据我了解，输入 GLM 仅使用 5 行并不重要......它应该使用该 GLM 的统计数据来预测新数据的 101 个条目中的每一个的响应值？

Answer 1

newdata 数据框中的列名必须与您用于拟合模型的数据中的列名匹配。因此，

predict.glm(object=result,newdata= data.frame(a=xvals),type='terms')

将解决您的问题。

a <- c(1, 2, 3, 4, 5)
b <- c(2, 3, 4, 5, 6)
result <- glm(b ~ a, family = gaussian)
summary(result)
#> 
#> Call:
#> glm(formula = b ~ a, family = gaussian)
#> 
#> Deviance Residuals: 
#>          1           2           3           4           5  
#> -1.776e-15  -8.882e-16  -8.882e-16   0.000e+00   0.000e+00  
#> 
#> Coefficients:
#>              Estimate Std. Error   t value Pr(>|t|)    
#> (Intercept) 1.000e+00  1.317e-15 7.591e+14   <2e-16 ***
#> a           1.000e+00  3.972e-16 2.518e+15   <2e-16 ***
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> (Dispersion parameter for gaussian family taken to be 1.577722e-30)
#> 
#>     Null deviance: 1.0000e+01  on 4  degrees of freedom
#> Residual deviance: 4.7332e-30  on 3  degrees of freedom
#> AIC: -325.47
#> 
#> Number of Fisher Scoring iterations: 1
plot(c(0, 10),
     c(0, 10),
     type = "n",
     xlab = "dose",
     ylab = "response")

xvals <- seq(0, 10, 0.1)
head(data.frame(xinputs = xvals))
#>   xinputs
#> 1     0.0
#> 2     0.1
#> 3     0.2
#> 4     0.3
#> 5     0.4
#> 6     0.5
head(predict.glm(object = result,
            newdata = data.frame(a = xvals),
            type = 'terms'))
#>      a
#> 1 -3.0
#> 2 -2.9
#> 3 -2.8
#> 4 -2.7
#> 5 -2.6
#> 6 -2.5

^{由 reprex package (v0.3.0)}

于 2020-09-15 创建

为什么 predict.glm() 没有以预期的方式创建预测值？

Why does a predict.glm() not create predicted values in the expected manner?

r

glm