Прогнозирование CI для прогнозируемого значения из регрессионной модели logisti c

Question

Итак, у меня есть конкретное c прогнозируемое значение, которое я вычислил с помощью регрессии logisti c, и теперь мне нужно найти КИ для этой вероятности. Вот мой код:

cheese_out <- glm(taste~acetic+person,data=cheese,family = "binomial")
probabilities <- predict(cheese_out,newdata=cheese, type="response")
testdat <- data.frame(acetic = 6, person = "Child")
pred_accp <- predict(cheese_out, newdata=testdat, type="response")

, и я получаю свое значение pred_accp, равное 0,1206, но как рассчитать доверительный интервал на основе этого значения?

Answer 1

Вы можете использовать опцию se.fit=TRUE функции predict. Это дает вам стандартные ошибки, из которых вы можете рассчитать доверительный интервал. Пример:

out <- glm(I(Sepal.Length > 5.8) ~ Sepal.Width + Species, iris, family=binomial())
testdat <- data.frame(Sepal.Width=3, Species="versicolor")
pred_accp <- predict(out, newdata=testdat, type="response", se.fit=TRUE)

alpha <- .05  ## confidence level
cc <- -qt(alpha/2, df=Inf)*pred_accp$se.fit

setNames(
  pred_accp$fit + cc * c(-1, 0, 1), 
  c("lower", "estimate", "upper"))
#     lower  estimate     upper 
# 0.5505699 0.7072896 0.8640093 

Обратите внимание, что здесь предполагается, что данные распределены по z, то есть df=Inf. Для t-распределения вы можете указать правильные степени свободы здесь.