Оценка и построение прогнозируемых вероятностей для моделей polr с термином взаимодействия - PullRequest
0 голосов
/ 23 апреля 2019

Я оценил модель polr с термином взаимодействия и хочу вычислить и отобразить соответствующие прогнозируемые вероятности. Модель polr, естественно, является порядковым логитом. Как я могу вычислить и построить прогнозируемые вероятности для моделей polr?

Я уже пробовал пакет эффектов, но он выдает ошибку. В настоящее время я получаю «Ошибка в x0% *% b: несоответствующие аргументы» с этим пакетом. По этой причине и из-за того, что я хотел бы настроить свой график чуть больше, чем это возможно, используя графики эффектов, я попытался вместо этого использовать «прогнозирование». К сожалению, все примеры, которые я нахожу в Интернете о том, как его использовать, основаны на предикторах (независимых переменных), которые имеют числовые значения. Все мои независимые переменные имеют категориальные значения, так что это мне мало поможет.

Это код, который я использую для модели

ologit= polr(var1 ~   var2 + var3 + var4*var5 + var6 + var7 + var8 + var9,  data = my.data2, method="logistic", Hess=TRUE,na.action = na.omit)
summary(ologit)

Я заинтересован в вычислении и построении предсказанных вероятностей для взаимодействия var4 и var5.

Это краткое изложение модели ologit:


Call:
polr(formula = var1 ~ var2 + var3 + var4 * var5 + var6 + var7 + 
    var8 + var9, data = my.data2, na.action = na.omit, Hess = TRUE, 
    method = "logistic")

Coefficients:
                                            Value Std. Error    t value
var2(2) Second quintile                   0.07431  2.991e-02  2.485e+00
var2(3) Third quintile                    0.09600  3.015e-02  3.184e+00
var2(4) Fourth quintile                   0.03727  2.887e-02  1.291e+00
var2(5) Fifth quintile                    0.07389  2.709e-02  2.728e+00
var3Elementary and Primary                0.10274  2.916e-02  3.523e+00
var3Secondary                             0.13608  2.618e-02  5.198e+00
var3Undergraduate Degree                  0.20229  2.910e-02  6.953e+00
var3Graduate Degree                       0.18731  1.521e-02  1.231e+01
var4(2) 25-34                            -0.12703  2.669e-02 -4.760e+00
var4(3) 35-44                            -0.11162  2.656e-02 -4.203e+00
var4(4) 45-54                            -0.11464  3.055e-02 -3.753e+00
var4(5) 55-64                            -0.32372  3.737e-02 -8.663e+00
var4(6) 65-74                             0.08027  2.388e-02  3.362e+00
var4(7) 75 and over                       0.86848  2.511e-03  3.459e+02
var5(2) Agree                            -0.12495  1.858e-02 -6.724e+00
var5(3) Disagree                         -0.09071  1.775e-02 -5.109e+00
var5(4) Strongly Disagree                -1.05268  3.371e-05 -3.123e+04
var6(2) Female                            0.03721  3.124e-02  1.191e+00
var7(2) Christian                        -0.81196  2.068e-02 -3.927e+01
var7(5) Jew                              -1.03246  8.974e-04 -1.151e+03
var7(7) Other                            -1.46649  4.586e-04 -3.197e+03
var8Jordan                                0.86871  4.877e-02  1.781e+01
var8Palestine                             1.17001  2.833e-02  4.129e+01
var8Algeria                               1.05690  4.801e-02  2.201e+01
var8Morocco                               0.73853  4.498e-02  1.642e+01
var8Lebanon                              -0.68778  3.684e-02 -1.867e+01
var8Yemen                                 1.27596  1.249e-02  1.021e+02
var8Iraq                                  0.19942  3.810e-02  5.234e+00
var8Egypt                                -0.08264  1.064e-02 -7.770e+00
var8Saudi Arabia                          1.45546  7.409e-03  1.965e+02
var8Sudan                                 1.23165  1.897e-02  6.492e+01
var9                                     -0.09801  1.868e-05 -5.246e+03
var4(2) 25-34:var5(2) Agree               0.09911  3.119e-02  3.177e+00
var4(3) 35-44:var5(2) Agree               0.13061  3.173e-02  4.116e+00
var4(4) 45-54:var5(2) Agree               0.08699  3.322e-02  2.619e+00
var4(5) 55-64:var5(2) Agree               0.22860  2.483e-02  9.206e+00
var4(6) 65-74:var5(2) Agree              -0.05372  1.733e-02 -3.101e+00
var4(7) 75 and over:var5(2) Agree        -0.16334  1.539e-03 -1.061e+02
var4(2) 25-34:var5(3) Disagree            0.29210  3.388e-02  8.620e+00
var4(3) 35-44:var5(3) Disagree            0.19224  3.372e-02  5.700e+00
var4(4) 45-54:var5(3) Disagree            0.26272  3.452e-02  7.610e+00
var4(5) 55-64:var5(3) Disagree            0.53459  1.223e-02  4.370e+01
var4(6) 65-74:var5(3) Disagree           -0.22585  5.530e-03 -4.084e+01
var4(7) 75 and over:var5(3) Disagree     -0.90162  9.245e-04 -9.753e+02
var4(3) 35-44:var5(4) Strongly Disagree -62.42834  7.864e-32 -7.938e+32
var4(4) 45-54:var5(4) Strongly Disagree  23.08992  1.344e-13  1.718e+14

Intercepts:
                                            Value         Std. Error    t value      
(1) Strongly Agree|(2) Agree                -1.973271e+02  1.700000e-03 -1.150305e+05
(2) Agree|(3) Neither Agree nor Disagree    -1.957070e+02  2.150000e-02 -9.084325e+03
(3) Neither Agree nor Disagree|(4) Disagree -1.957070e+02  2.150000e-02 -9.084325e+03
(4) Disagree|(5) Strongly Disagree          -1.941313e+02  2.950000e-02 -6.578053e+03

Residual Deviance: 36595.70 
AIC: 36695.70 

Я бы хотел, чтобы в идеале можно было предсказать вероятности, а затем построить их настраиваемым способом, используя ggplot.

Само собой разумеется, любая помощь будет очень цениться. Спасибо за ваше внимание!

...