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

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)