R предикат () зависимая переменная Y = f (X) с использованием произвольных коэффициентов

Question

Я выполняю логистическую регрессию следующей формы в R:

results<-glm(Y~X,family=binomial(link='logit')), из которого я получаю оценочные коэффициенты и соответствующие наблюдения .

Мне интересно, возможно ли рассчитать другое , используя другое произвольное фиксированное значение .

Обратите внимание, что я уже пытался изменить расчетные коэффициенты results$cofficients<-c(0.9,1.2) (здесь 0,9 и 1,2 - только примеры) и использовать функцию predict(results,type="response"), хотя она не работала, поскольку между подгоняемыми значениями не было никакой разницы.

Answer 1

Изменение коэффициентов должно сделать это. Однако, если вы прогнозируете с помощью исходных данных, просто полагаясь на функцию прогнозирования, используя ваши исходные данные, если не были переданы какие-либо дополнительные данные для прогнозирования (т. Е. Не используется newdata=something), он напрямую использует подогнанные значения из объекта модели.

Вы можете обойти это, сказав использовать newdata=your_original_data в своем вызове для предсказания.

Пример

> dat <- mtcars[1:5,]
> results <- glm(vs ~ mpg, data = dat, family = binomial(link = 'logit'))
Warning message:
glm.fit: fitted probabilities numerically 0 or 1 occurred 
> predict(results)
        Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout 
        -23.66411         -23.66411         186.49174          23.03719        -292.19658 
> coefficients(results)
(Intercept)         mpg 
 -2475.4823    116.7532 
> results$coefficients[1] <- 0
> predict(results) # uses original fitted values
        Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout 
        -23.66411         -23.66411         186.49174          23.03719        -292.19658 
> predict(results, newdata = dat)
        Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout 
         2451.818          2451.818          2661.974          2498.519          2183.286