r - 如何计算负二项式回归模型的预测概率？

Question

我用 glm.nb() R 中的函数 MASS包来估计负二项式回归模型的参数。我如何计算给定新数据的预测概率(概率质量函数)，我可以使用哪个 R 函数？

我的数据集如下。 y 服从负二项分布，x 是协变量。我使用 glm.nb(y ~ x, data=data)估计模型参数。鉴于新 x和 y ，如何计算预测概率。

有没有办法使用Java计算它？

y     x

91    1.000000                                                                                       
79    1.000000

86    1.000000

32    1.000000

41    1.000000

29    0.890609

44    1.000000

42    1.000000

31    0.734058

35    1.000000

Answer 1

假设您像这样设置数据:

set.seed(1)
x = seq(-2, 8, .01)
y = rnbinom(length(x), mu=exp(x), size=10)
fit = glm.nb(y ~ x)

你有一个新点:你想找到 y=100 的概率给定 x=5 .

可以得到 y的预测值来自 x使用 predict (用 type="response" 告诉它在应用链接函数的逆函数后你想要它):

predicted.y = predict(fit, newdata=data.frame(x=5), type="response")

然后你可以找出概率:

dnbinom(100, mu=predicted.y, size=fit$theta)

(这是使用 fit$theta ，负二项式的“大小”参数的最大似然估计)。

所以在一个函数中:

prob = function(newx, newy, fit) {
    dnbinom(newy, mu=predict(fit, newdata=data.frame(x=newx), type="response"), size=fit$theta)
}