在R中的逻辑回归中使用predict（）和手动计算不匹配。原因是什么？

当我运行逻辑回归并使用predict（）函数时，当我使用公式p=1/（1+e^-（b0+b1*x1…）手动计算时，我无法得到相同的答案。原因可能是什么

>test[1,]
      loan_status loan_Amount interest_rate period      sector    sex age grade
10000           0         608      41.72451     12 Online Shop Female  44    D3

扇区和时段不重要，因此我将其从回归中删除。 glm提供：

 Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
(Intercept)   -1.1542256  0.7610472  -1.517  0.12936    
interest_rate -0.0479765  0.0043415 -11.051  < 2e-16 ***
sexMale       -0.8814945  0.0656296 -13.431  < 2e-16 ***
age           -0.0139100  0.0035193  -3.953 7.73e-05 ***
gradeB         0.3209587  0.8238955   0.390  0.69686    
gradeC1       -0.7113279  0.8728260  -0.815  0.41509    
gradeC2       -0.4730014  0.8427544  -0.561  0.57462    
gradeC3        0.0007541  0.7887911   0.001  0.99924    
gradeD1        0.5637668  0.7597531   0.742  0.45806    
gradeD2        1.3207785  0.7355950   1.796  0.07257 .  
gradeD3        0.9201400  0.7303779   1.260  0.20774    
gradeE1        1.7245351  0.7208260   2.392  0.01674 *  
gradeE2        2.1547773  0.7242669   2.975  0.00293 ** 
gradeE3        3.1163245  0.7142881   4.363 1.28e-05 ***

系数：
估计标准误差z值Pr（>z）
（截距）-1.1542256 0.7610472-1.517 0.12936
利率-0.0479765 0.0043415-11.051<2e-16***
性别男性-0.8814945 0.0656296-13.431<2e-16***
年龄-0.0139100.0035193-3.9537.73e-05***
B级0.3209587 0.8238955 0.390 0.69686
等级C1-0.7113279 0.8728260-0.815 0.41509
等级C2-0.4730014 0.8427544-0.561 0.57462
等级C3 0.0007541 0.7887911 0.001 0.99924
等级1 0.5637668 0.7597531 0.742 0.45806
等级2 1.3207785 0.7355950 1.796 0.07257。
等级3 0.9201400.7303779 1.260 0.20774
等级1 1.7245351 0.7208260 2.392 0.01674*
等级2.1547773 0.7242669 2.975 0.00293**
等级3.11632450.7142881 4.363 1.28e-05***

>预测第一次预测第一次预测
答案：*0.05478904**

但当我这样计算时：

>prob_1 <- 1/(1+e^-((-0.0479764603)*41.72451)-0.0139099563*44)
>prob_1
answer: 0.09081154

>问题1问题1
答复：0.09081154

我也用不显著的系数计算，但答案仍然不一样。原因可能是什么？

您还有一个

（截距）-1.1542256

和

等级3 0.9201400

>test[1,]
      loan_status loan_Amount interest_rate period      sector    sex age grade
10000           0         608      41.72451     12 Online Shop Female  44    D3

1/(1+exp(-1*(-1.1542256 -0.0479764603*41.72451 -0.0139099563*44 + 0.9201400)))
#[1] 0.05478904

---

我也做了这个计算，但我用同一个变量计算了很多案例，它给了我不同的答案。如果我创建了一个新的变量，它就会纠正它（我仍然不知道它为什么会这样做）。无论如何，非常感谢。@Tsotne可能其他数据行的

等级不同。这仅适用于
D3
。