如何使用预测（）答案

【问题标题】：how to use predict()如何使用预测（）
【发布时间】：2013-02-19 18:32:28
【问题描述】：

想要预测一个值，但这显然不是解决方案。我正在做多项选择测试，0.304...不是答案。如何正确使用predict()？

library(glm2)
data(crabs)
fit= glm(Satellites~Width,data=crabs, family="poisson")
plot(Satellites~Width,data=crabs)
abline(fit)
predict(fit, newdata=data.frame(Width=c(22)))
1 
0.3042347

【问题讨论】：

这是怎么回事？
我认为该值不正确，因为我正在做多项选择，而 0.304.. 不是答案。
Ummm...22 * fit$coef[2] + fit$coef[1] 给出了您发布的内容。这是正确的。但很明显，这不是你所期望的！
您使用 predict() 获得的值是期望值的 log()，因为您进行了泊松回归。只需使 exp(value) 获得与原始值相同的比例。
应该是答案！ @DidzisElferts

标签： r linear-regression poisson

【解决方案1】：

函数predict() 用于泊松回归（一般用于 GLM）默认情况下将计算 在线性预测变量的尺度上的值，即这种情况下的对数尺度（参见 @ 的帮助文件987654323@)。

predict(fit, newdata=data.frame(Width=c(22)))
        1 
0.3042347

要获得响应变量范围内的预测值，您应该将参数type="response" 添加到函数predict()。

predict(fit, newdata=data.frame(Width=c(22)),type="response")
       1 
1.355587

【讨论】：

+1!preidct 有时看起来很笨拙！但它确实是一个伟大的主力！
我不确定比例线性预测器与 log() 有什么关系……更困惑。
你拟合了泊松模型。正如?poisson 将告诉您的，泊松的默认链接功能是日志（在帮助文件中显示为poisson(link = "log")）。在这种情况下，“在线性预测器的尺度上”是指在对数尺度上。如果您对此完全不熟悉，那么阅读更多有关 Poisson GLM 的内容可能会有所帮助...
@Roo，Venables 和 Ripley 的 MASS 书中有一整章解释了这一点：amazon.com/Modern-Applied-Statistics-W-N-Venables/dp/0387954570