R函数fitted（）和predict（）之间有区别吗？

功能

fitted（）

和

predict（）

之间是否存在差异？我注意到，lme4的混合模型使用的是

fitted（）

，而不是

predict（）

是的，有。如果线性预测器与响应的预期值（如泊松回归的log或logistic回归的logit）存在关联，

predict

在应用链接函数的逆函数之前返回拟合值（以将数据返回到与响应变量相同的标度），应用后，

fitted

会显示它

例如：

x = rnorm(10)
y = rpois(10, exp(x))
m = glm(y ~ x, family="poisson")

print(fitted(m))
#         1         2         3         4         5         6         7         8 
# 0.3668989 0.6083009 0.4677463 0.8685777 0.8047078 0.6116263 0.5688551 0.4909217 
#         9        10 
# 0.5583372 0.6540281 
print(predict(m))
#          1          2          3          4          5          6          7 
# -1.0026690 -0.4970857 -0.7598292 -0.1408982 -0.2172761 -0.4916338 -0.5641295 
#          8          9         10 
# -0.7114706 -0.5827923 -0.4246050 
print(all.equal(log(fitted(m)), predict(m)))
# [1] TRUE

这确实意味着，对于线性回归（

lm

）创建的模型，

拟合

和

预测

之间没有差异

---

实际上，这意味着如果要将拟合与原始数据进行比较，应使用

fitted

函数

fitted

返回与用于拟合模型的数据相关联的y-hat值。

predict

函数返回一组新预测变量的预测。如果不指定一组新的预测变量，则默认情况下，它将使用原始数据，为某些模型提供与

fitted

相同的结果，但如果要预测一组新的值，则需要

predict

。

predict

函数通常还可以选择返回哪种类型的预测、线性预测、转化为响应量表的预测、最可能的类别、模型中每个术语的贡献等。

就其本身而言，答案不错，但您可以使用

predict（m，type=“response”）

要获得原始（响应）量表上的预测，正如@GregSnow在下面指出的，

predict

有其他选项（取决于具体情况）。r-forge上的

lme4

开发版本确实有

predict（）

方法。