r - 绘制 glm 相互作用 : "newdata=" structure in predict() function

我的问题是 predict() 函数、它的结构和绘制预测。

使用来自我的模型的预测，我想可视化我的重要因素(及其相互作用)如何影响我的响应变量的概率。

我的型号:

m1  <-glm ( mating ~  behv * pop +
                      I(behv^2) * pop + condition,
                      data=data1, family=binomial(logit))

交配:个体是否交配(因子，二项式:0,1)

pop:人口(因子，4 个水平)

behv:行为(数字、缩放和居中)

条件:相对脂肪含量(数字、缩放和居中)

运行glm后的显着效果:

pop1

条件

behv*pop2

behv^2*pop1

虽然我已经阅读了帮助页面、以前对类似问题的回答、教程等，但我无法弄清楚如何在 newdata= 函数中构造 predict() 部分。我想可视化的效果(上面给出)可能会给出我想要的线索:例如，对于“ behv*pop2 ”交互，我想得到一个图表，显示来自人群的个体的行为 - 2 可以影响它们是否会交配(概率从 0 到 1)。

最佳答案

实际上，predict 唯一期望的是 newdata 中的列名与公式中使用的列名完全匹配。并且您必须为每个预测变量提供值。这是一些示例数据。

#sample data
set.seed(16)
data <- data.frame(
    mating=sample(0:1, 200, replace=T),
    pop=sample(letters[1:4], 200, replace=T),
    behv = scale(rpois(200,10)),
    condition = scale(rnorm(200,5))
)

data1<-data[1:150,]     #for model fitting
data2<-data[51:200,-1]  #for predicting

然后这将使用 data1 拟合模型并预测为 data2

model<-glm ( mating ~  behv * pop +
    I(behv^2) * pop + condition,
    data=data1,
    family=binomial(logit))

predict(model, newdata=data2, type="response")

使用 type="response" 将为您提供预测的概率。

现在要进行预测，您不必使用完全相同的 data.frame 的子集。您可以创建一个新的来调查特定范围的值(只需确保列名匹配。因此，为了探索 behv*pop2(或我的示例数据中的 behv*popb)，我可能会创建一个像这样的 data.frame

popbbehv<-data.frame(
    pop="b",
    behv=seq(from=min(data$behv), to=max(data$behv), length.out=100),
    condition = mean(data$condition)
)

在这里，我修复了 pop="b" ，因此我只查看 pop ，并且由于我还必须提供 condition ，因此我将其修复为原始数据的平均值。 (我可以只输入 0，因为数据是居中和缩放的。)现在我指定了一个我感兴趣的 behv 值范围。这里我只是取了原始数据的范围并将其分成 100 个区域。这会给我足够的积分来绘制。所以我再次使用 predict 来获取

popbbehvpred<-predict(model, newdata=popbbehv, type="response")

然后我可以用

plot(popbbehvpred~behv, popbbehv, type="l")

尽管在我的假数据中没有什么是重要的，但我们可以看到较高的行为值似乎导致群体 B 的交配较少。

关于r - 绘制 glm 相互作用 : "newdata=" structure in predict() function，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23826621/