作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
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
poisson_reg=glm(NumeberAccept ~ 1 + weekday + month + place + NoConvention + Rain,
family = poisson(link = log), data = acceptances)
lm
的预测函数给它写作
'interval="prediction"'
但它不适用于
predict.glm
!
poisson_reg=glm(NumeberAccept ~ 1 + weekday + month + place + NoConvention + Rain,
family = poisson(link = log), data = dataset)
summary(poisson_reg)
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!
"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? ?
最佳答案
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)
newdata <- data.frame(Weekday=c(5,6),Month=c(9,9),Place=c(1,1))
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)
}
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
关于r - R 上泊松回归的预测区间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17922637/
我是一名优秀的程序员,十分优秀!