用已知系数和未知截距拟合glm

我正在尝试使用

glm

拟合逻辑回归模型，其中我只对截距感兴趣-但我仍然希望模型拟合已知系数。 例如：

或

---

beta带有偏移量，它将一个已知项添加到GLM的线性预测值（公式的RHS，在logit标度上）

beta <- c(24.5, 3.6, 2.87, 7.32)
dt <- transform(dt,
         pred=beta[1]*x_1+beta[2]*x_2+beta[3]*x_3+beta[4]*x_4)
model <- glm(y~1+offset(pred), family=binomial(link="logit"), data=dt)

beta既然已知beta，那么glm中的截距是如何计算的？这只是截距为未知变量的最大可能性吗？是的，没错。（从技术上讲，该算法是迭代加权最小二乘法，但解决方案是最大似然估计。）
model <- glm(y~x_1+x_2+x_3+x_4, family=binomial(link="logit"), data=dt)

beta <- c(24.5, 3.6, 2.87, 7.32)
dt <- transform(dt,
         pred=beta[1]*x_1+beta[2]*x_2+beta[3]*x_3+beta[4]*x_4)
model <- glm(y~1+offset(pred), family=binomial(link="logit"), data=dt)