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---R如何获得多标称logit的置信区间?,r,logistic-regression,multinomial,R,Logistic Regression,Multinomial,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
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)