2

对不起，如果这是一个新手问题，但我不明白。我正在用 sigmoid 曲线拟合我的数据glm()。这行得通，我可以绘制输出，我看到了一个很好的 sigmoid 曲线。

但是，如何让 R 返回它适合的最终值？据我了解，R 将数据拟合到logit(y) = b0 + b1x，但是当我这样做时，> summary(glm.out)我只会得到

Call:
glm(formula = e$V2 ~ e$V1, family = binomial(logit), data = e)

Deviance Residuals: 
       1         2         3         4         5         6         7  
-0.00001  -0.06612  -0.15118  -0.34237   0.20874   0.08724  -0.19557  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)
(Intercept)  -24.784     20.509  -1.208    0.227
e$V1           2.073      1.725   1.202    0.229

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 4.60338  on 6  degrees of freedom
Residual deviance: 0.23388  on 5  degrees of freedom
AIC: 5.8525

Number of Fisher Scoring iterations: 8

我如何获得 b0 和 b1？

样本数据集：

Z 列可以忽略。

X   Y   Z
0.0 0.0 6
6.5 0.0 3
8.8 0.333333333333  3
10.5    0.2 10
11.1    0.0 3
11.25   0.166666666667  6
12.0    0.2 5
12.75   0.5 6
13.4    0.333333333333  3
13.5    0.2 5
14.25   0.5 6
15.0    0.333333333333  6
15.7    0.666666666667  3
15.75   0.666666666667  6
16.5    0.833333333333  6
17.25   0.555555555556  9
18.0    1.0 3
4

1 回答 1

3

您可以通过该fitted()方法获得拟合值，即fitted(glm.out). 但是，您需要估计系数而不是拟合值，为此您需要coef()方法，如coef(glm.out).

于 2012-11-26T17:04:30.643 回答