r - 绘制 glm 交互 : "newdata=" structure in predict() function

Question

我的问题在于 predict() 函数、它的结构和绘制预测。

使用来 self 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。

我的模型:

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构建 predict()< 中的 newdata= 部分功能。我想要可视化的效果(上面给出的)可能会提供我想要的线索:例如，对于“behv*pop2”交互，我想要一个图表来显示行为如何来自 population-2 的个体的数量会影响他们是否会交配(概率从 0 到 1)。

Answer 1

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。而且您必须为每个预测变量设置值。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 拟合模型并预测到 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" 将为您提供预测概率。

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

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

这里我修复了 pop="b" 所以我只看 pop，因为我必须提供 condition 作为好吧，我将其固定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。)现在我指定了我感兴趣的 behv 值范围。这里我只是获取原始数据的范围并拆分它分为 100 个区域。这将给我足够的分数来绘制。所以我再次使用 predict 来获取

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

然后我可以用

绘制它

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

虽然在我的假数据中没有什么重要的，但我们可以看到较高的行为值似乎导致种群 B 的交配减少。