r - R 上泊松回归的预测区间

Question

我已经尝试了这两种方法，但我发现两者都有困难..
在我用这两种方法告诉你我的问题之前，我试着更好地解释哪个是我的问题。

我有一个数据集“接受”，其中我有医院每天接受的数量，其中包含前面描述的独立变量。医院有三个地方供我们就诊……所以在我的数据集中，我每天有 3 行，每个地方都有。数据集看起来像:

Date        Place    NumerAccept    weekday month   NoConvention    Rain

2008-01-02  Place1        203       wed     Gen         0             1
2008-01-02  Place2         70       wed     Gen         0             1
2008-01-02  Place3          9       wed     Gen         0             1
2008-01-03  Place1        345       thu     Gen         0             1
2008-01-03  Place2         24       thu     Gen         0             1
2008-01-03  Place3         99       thu     Gen         0             1
2008-01-04  Place1        339       fri     Gen         0             0
2008-01-04  Place2         36       fri     Gen         0             0
2008-01-04  Place3        101       fri     Gen         0             0

.... 等等......我有直到昨天的数据集，所以最后三行是昨天 2013 年 7 月 29 日的接受。
现在我做我的泊松回归:

poisson_reg=glm(NumeberAccept ~ 1 + weekday + month + place + NoConvention + Rain, 
                    family = poisson(link = log), data = acceptances)

现在对于我的预测，我创建了一个新的数据集acceptances_2，我想从中计算 future 2 个月的接受次数的预测间隔!!所以第一行将是今天的接受数量，最后一行将是 9 月 29 日的接受数量。

我不知道这个问题是否已经有了答案，但我找不到它。我正在尝试在 R 中进行泊松回归，并且我想获得预测区间。我看到 lm 的预测函数给它写作 'interval="prediction"'但它不适用于 predict.glm !

有人知道是否有办法获得这些预测间隔吗？如果你有一些例子，你能输入代码吗？

所以我必须计算医院每天接受的人数，我有以下代码:

poisson_reg=glm(NumeberAccept ~ 1 + weekday + month + place + NoConvention + Rain, 
                family = poisson(link = log), data = dataset)
summary(poisson_reg)

现在，如果我输入 R predict(poisson_reg, newdata, type="responce")我对每天的接受次数进行了预测，但我也需要预测间隔!
我看到了一个类 "lm" 的对象。在预测调用中你可以写: predict(poisson_reg, newdata, interval="prediction")它给出了 95% 的预测区间。有没有办法用类 "glm" 的对象获得相同的结果？ ?

Answer 1

这可能更像是一个统计问题而不是一个编程问题，但是:

从上一个问题中窃取示例数据:

ex <- read.table(
  header=TRUE, text='
Number.Accepted  Weekday    Month   Place
  20    6   8   1
  16    7   8   1
  12    4   8   2
  11    7   1   1
  12    1   4   1
  12    7   10  2
  13    5   6   2
')
ex.glm <- glm(Number.Accepted ~ Weekday + Month + Place,
              family = poisson, data = ex)

我们想要预测区间的数据帧:

newdata <- data.frame(Weekday=c(5,6),Month=c(9,9),Place=c(1,1))

像这样的东西:

bootSimFun <- function(preddata,fit,data) {
    bdat <- data[sample(seq(nrow(data)),size=nrow(data),replace=TRUE),]
    bfit <- update(fit,data=bdat)
    bpred <- predict(bfit,type="response",newdata=preddata)
    rpois(length(bpred),lambda=bpred)
}

您也可以使用 replicate()来自基数 R，但 plyr::raply()是否方便:

library(plyr)
set.seed(101)
simvals <- raply(500,bootSimFun(preddata=newdata,fit=ex.glm,data=ex))
t(apply(simvals,2,quantile,c(0.025,0.975)))
##    2.5% 97.5%
## 1 7.000    40
## 2 7.475    36