Saída do modelo logístico em R

Estou tentando interpretar o seguinte tipo de modelo logístico:

mdl <- glm(c(suc,fail) ~ fac1 + fac2, data=df, family=binomial)

É o resultado das predict(mdl)chances esperadas de sucesso para cada ponto de dados? Existe uma maneira simples de tabular as chances de cada nível de fator do modelo, em vez de todos os pontos de dados?

r logistic generalized-linear-model

— James
fonte

Você poderia ser mais preciso sobre o que você quer dizer com tabulação cruzada dos ORs? Seus fatores têm mais de dois níveis?

— chl

Sim, os fatores têm 3 e 6 níveis, respectivamente. Estou querendo uma tabela de quais são as probabilidades previstas para cada combinação possível de fac1e fac2.

— James

Ok, a resposta de @ Bernd está bem comigo. Talvez dê uma olhada no Designpacote de Franck Harrell; possui funções muito boas lrm()para GLMs e coisas relacionadas.

— chl

As páginas de ajuda para

predict.glm

state: "Assim, para um modelo binomial padrão, as previsões padrão são de probabilidades logarítmicas (probabilidades na escala logit) e 'type =" response "' fornece as probabilidades preditas". Portanto, predict(mdl)retorna o log (probabilidades) e o uso de "type =" response "retorna as probabilidades previstas. Você pode achar este exemplo de brinquedo instrutivo:

> y <- c(0,0,0,1,1,1,1,1,1,1)
> prop.table(table(y))
y
  0   1 
0.3 0.7 
> glm.y <- glm(y~1, family = "binomial")
> ## predicted log(odds)
> predict(glm.y)
        1         2         3         4         5         6         7         8 
0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 0.8472979 
        9        10 
0.8472979 0.8472979 
> ## predicted probabilities (p = odds/(1+odds))
> exp(predict(glm.y))/(1+exp(predict(glm.y)))
  1   2   3   4   5   6   7   8   9  10 
0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 
> predict(glm.y, type = "response")
  1   2   3   4   5   6   7   8   9  10 
0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7

Em relação à sua segunda pergunta, você pode conferir o pacote de efeitos http://socserv.socsci.mcmaster.ca/jfox/Misc/effects/index.html de John Fox; veja também o artigo JSS "Telas de efeitos em R para modelos lineares generalizados" (p. 8-10).

— Bernd Weiss
fonte

Excelente! Era exatamente isso que eu procurava, obrigado!

— James