R glm():二项回归的混淆置信区间
我一直在使用R中的glm()来计算logit概率参数控制单个二项式绘图的置信区间R glm():二项回归的混淆置信区间,r,glm,binomial-cdf,R,Glm,Binomial Cdf,我一直在使用R中的glm()来计算logit概率参数控制单个二项式绘图的置信区间 P <- 20 # Number of successes D <- 1 # Number of failures model1 <- glm(matrix(c(P,D), nrow=1) ~ 1, family="binomial") # Successes modeled as binomial draw from successes+failures summary(model1) con
P <- 20 # Number of successes
D <- 1 # Number of failures
model1 <- glm(matrix(c(P,D), nrow=1) ~ 1, family="binomial") # Successes modeled as binomial draw from successes+failures
summary(model1)
confint(model1) # Confidence interval on binomial parameter p
这给出了有意义的置信区间,其中p=0
或D=0
。
然而,即使P
和D
都不为零,它也给出了与glm()
+confint()
不同的置信区间
confint(model1)
c(lci2, uci2)
与glm()
+confint()
相比,我计算的lci和uci都接近于零
confint()
如何计算间隔?我相信,从更复杂的GLM的性能来看,这样做是有充分理由的,但在这个简单的例子中,这似乎是一个奇怪的结果。有许多方法可以计算比例()的置信区间。函数confint
调用,用于分析可能性。你可能想在上阅读这个相关的Q:。这个Q似乎更多的是关于统计理论,而不是R是如何工作的,所以它可能应该是开着的,但请注意,你必须把它框起来,以便弄清楚这一点;那里的用户经常关闭看起来过于关注R的线程。我认为问题实际上是confint.glm中幕后发生了什么。我想我之所以懒得看源代码,是因为我不想看源代码,但我希望这里的人能够轻松回答这个问题。我编辑这个问题是为了关注confint()在做什么,而不是如何选择要解释的置信区间。有很多方法可以计算某个比例()的置信区间。函数confint
调用,用于分析可能性。你可能想在上阅读这个相关的Q:。这个Q似乎更多的是关于统计理论,而不是R是如何工作的,所以它可能应该是开着的,但请注意,你必须把它框起来,以便弄清楚这一点;那里的用户经常关闭看起来过于关注R的线程。我认为问题实际上是confint.glm中幕后发生了什么。我想我不看源代码是在偷懒,但我希望这里的人能够轻松回答这个问题。我编辑这个问题是为了关注confint()在做什么,而不是如何选择要解释的置信区间。
confint(model1)
c(lci2, uci2)