r - 在 glm 中使用 predict() 函数

Question

假设我有以下数据集并且正在 R 中使用 glm 运行回归模型。我有系数，但我想预测“下个月”的值(访问)。在这个例子中我将如何处理。

d <- data.frame(month = c("jan", "feb", "mar", "apr", "may", "june"),
                visit =  c( 1,  2,  4,  8, 16, 32),
                click =  c(64, 62, 36,  5,  6,  3),
                conv =  c(1, 3, 6, 2, 3, 8))
d
dFit <- glm(visit ~ click + conv, data=d)

七月，我如何使用 predict() R中的函数来预测访问次数(响应变量)？

编辑:

我最终想要得到的是我所拥有的输出

Mon   Pred_clicks
jan   20
feb   25
mar   21
apr   31
may   15
june  21 
july  50

编辑2:

这不是我想要的输出

> predict(dFit)
        1         2         3         4         5         6 
-3.452974  1.223969 13.533457 12.235771 14.113888 25.345890 

Answer 1

由于您使用 data.frame 训练模型其中包含列 month , click和 conv ，您必须提供这样的 data.frame还要预测值:

 predict(dFit, data.frame(month="july", conv=mean(d$conv), click=mean(d$click)))

mean(d$conv)和 mean(d$click)是 7 月份各个数量的预测值。如果您有 conv 的实际值和 click对于 7 月份，在声明中替换它们以获得您的预测。

但是，这可能不是您要寻找的，并且 GLM 回归可能不是此类时间序列数据的最佳模型。我想你会想使用 VAR作为您的预测模型。