r - 如何在多年前拟合的逻辑回归中使用 R 中的预测函数？

Question

我有一个问题，我试图解决但没有成功。搜索了两天多，没有得到任何线索。抱歉，如果答案就在那里而我没有找到。

假设您有一个来自几年前估计的旧模型的逻辑方程回归(二元模型)。因此您知道参数 βk (k = 1, 2, ..., p) 因为它们是过去估计的。但是您没有用于拟合模型的数据。

我的问题是:我可以在 R 中引入这个旧的估计逻辑模型作为对象(对应于逻辑回归模型)吗？

我想使用“预测”函数用一组新数据(当前数据)证明这个逻辑回归，然后检查这个旧模型经得起时间考验的有效性。要使用此功能，您需要逻辑回归模型的对象。

非常感谢您提前。

Answer 1

根据我的评论，我认为您可以从直接从系数计算预测开始。这是一个比较来自 predict.glm 的输出的示例直接在数据上计算的预测概率:

# construct some data and model it
# y ~ x1 + x2
set.seed(1)
x1 <- runif(100)
x2 <- runif(100)
y <- rbinom(100,1,(x1+x2)/2)
data1 <- data.frame(x1=x1,x2=x2,y=y)
x3 <- runif(100)
x4 <- runif(100)
y2 <- rbinom(100,1,(x3+x4)/2)
data2 <- data.frame(x1=x3,x2=x4,y=y2)
glm1 <- glm(y~x1+x2,data=data1,family=binomial)

# extract coefs
#summary(glm1)
coef1 <- coef(glm1)

# calculate predicted probabilities for current data
tmp1 <- coef1[1] + (data1$x1*coef1[2]) + (data1$x2*coef1[3])
pr1 <- 1/(1+(1/exp(tmp1)))
# these match those from `predict`:
all.equal(pr1,predict(glm1,data1,type='response'))

# now apply to new data:
tmp2 <- coef1[1] + (data2$x1*coef1[2]) + (data2$x2*coef1[3])
pr2 <- 1/(1+(1/exp(tmp2)))
pr2

这显然不是通用的解决方案，也没有正确处理不确定性，但我认为这是比黑客更好的方法 predict .