0

我在 R 中创建的模型是：

fit <- lm(hired ~ educ + exper + sex, data=data)

我不确定的是如何拟合模型以预测 p = pr(hiring = 1) 的兴趣概率。

任何帮助将不胜感激，克莱

编辑：那么 glm 在我的模型中扮演什么角色？（我在下面的回答）根据 Jason 对 Greg 的回答所做的编辑，我看不出它具体做了什么。

我的回答是否分析了被录用的几率？

4

2 回答 2

7

对于使用 估计的模型glm，您可以使用该predict函数为数据集中的每个观测值提取线性预测变量。然后，您可以简单地使用适当的概率分布函数来获得预测概率。例如，在逻辑回归的情况下，使用plogis. 换句话说，如果mod您的模型适合glm：

> plogis(predict(mod))

假设您估计了一个逻辑模型，将返回数据集中每个观察值的预测概率。如果您需要计算不在数据集中的点的预测概率，请参阅newdata选项predict。请注意，predict还可以提供每个点的标准误差。查看文档以predict.glm获取更多信息。

编辑：正如格雷格所建议的，您可以type="response"在电话中使用免费predict获得：plogis

> predict(mod, type="response")
于 2012-11-11T02:53:17.597 回答
0

So I did my best to interpret the glm notes that I found and this is what I came up with.

 > test<-glm(hired ~ educ + exper + sex, data=data, family=binomial())
 > summary(test)

 Call:
 glm(formula = hired ~ educ + exper + sex, family = binomial(), 
     data = data)

 Deviance Residuals: 
     Min       1Q   Median       3Q      Max  
 -1.4380  -0.4573  -0.1009   0.1294   2.1804  

 Coefficients:
             Estimate Std. Error z value Pr(>|z|)  
 (Intercept) -14.2483     6.0805  -2.343   0.0191 *
 educ          1.1549     0.6023   1.917   0.0552 .
 exper         0.9098     0.4293   2.119   0.0341 *
 sex           5.6037     2.6028   2.153   0.0313 *
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

 (Dispersion parameter for binomial family taken to be 1)

     Null deviance: 35.165  on 27  degrees of freedom
 Residual deviance: 14.735  on 24  degrees of freedom
 AIC: 22.735

 Number of Fisher Scoring iterations: 7
于 2012-11-10T23:29:01.113 回答