R如何获得多标称logit的置信区间？

让我用UCLA在multinominal logit上的示例作为运行示例---

库（nnet）
图书馆（外文）
ml只需在模型对象上使用
confint
函数即可

ci <- confint(test, level=0.95)

编辑：

至于计算预测概率的置信区间，我引述如下：

是否有可能估算出该项目的置信区间
多元函数的概率

否，因为置信区间（sic）不适用于单个参数
概率（sic）。预测是一个概率分布，所以
不确定性必须是Kd空间中的某个区域，而不是某个区间。
为什么你想要关于预测的不确定性陈述（通常称为
公差间隔/区域）？在这种情况下，您有一个事件
发生与否，有意义的不确定性是概率
分配。如果你真的需要一个信任区域，你可以
从拟合参数的不确定性进行模拟，预测和
以某种方式总结得出的经验分布

这可以通过
effects
软件包来实现，我在交叉验证中为另一个问题展示了这个软件包

让我们看看你的例子

library(nnet)
library(foreign)

ml <- read.dta("http://www.ats.ucla.edu/stat/data/hsbdemo.dta")
ml$prog2 <- relevel(ml$prog, ref = "academic")
test <- multinom(prog2 ~ ses + write, data = ml)

如果我们愿意，我们还可以使用
效果
中的工具绘制预测概率及其各自的置信区间

plot(fit.eff)

我指的是预测平均值周围的95%置信区间。我需要的不是多标称系数的CI。相反，我需要预测概率的CI——预测（test，newdata=dses，“probs”）。我不明白里普利教授（上面引文的作者）为什么对此大惊小怪。在我看来，他的反对意见似乎适用于任何“置信区间”（或任何你想称之为置信区间的东西），但这是一种相当标准的做法。我深入研究了
nnet:：：predict.multinom
，
nnet:：predict.nnet
，和
nnet:：vcov.multinom
。如果可以构造模型矩阵
X
，使预测概率为
X%*%coef（model）
，则方差（在logit标度上为
X%*%vcov（model）%*%t（X）
，然后您将在logit scale上构建CI并进行反向转换。然而，上述函数不够透明，我认为我无法在短时间内破解它们。如果您可以证明有序响应的合理性，
ordinal:：predict.clm（）
允许使用
se.fit
选项。
library(nnet)
library(foreign)

ml <- read.dta("http://www.ats.ucla.edu/stat/data/hsbdemo.dta")
ml$prog2 <- relevel(ml$prog, ref = "academic")
test <- multinom(prog2 ~ ses + write, data = ml)

require(effects)

fit.eff <- Effect("ses", test, given.values = c("write" = mean(ml$write)))

data.frame(fit.eff$prob, fit.eff$lower.prob, fit.eff$upper.prob)

  prob.academic prob.general prob.vocation L.prob.academic L.prob.general L.prob.vocation U.prob.academic
1     0.4396845    0.3581917     0.2021238       0.2967292     0.23102295      0.10891758       0.5933996
2     0.4777488    0.2283353     0.2939159       0.3721163     0.15192359      0.20553211       0.5854098
3     0.7009007    0.1784939     0.1206054       0.5576661     0.09543391      0.05495437       0.8132831
  U.prob.general U.prob.vocation
1      0.5090244       0.3442749
2      0.3283014       0.4011175
3      0.3091388       0.2444031

plot(fit.eff)