带有“MASS:：polr”的probit序数logistic回归：如何对新数据进行预测

我想在R中进行顺序回归，所以我想使用

MASS

包中的

polr

函数。首先，我创建如下模型：

model <- polr(labels ~ var1 + var2, Hess = TRUE)  

---

model遗憾的是，
predict.polr
没有文档条目，否则您只需阅读该条目，了解如何正确使用
predict

在R中，只有少数原始模型拟合函数，如
smooth.spline
，
predict
需要新数据的向量（这是合理的，因为
smooth.spline
处理单变量回归）。通常，
predict
需要一个数据框或列表，其名称匹配模型公式中指定的变量或模型框中显示的变量（“术语”属性）。如果您适合某个型号：

labels ~ var1 + var2

然后您应该构造
newdata
：

predict(model, newdata = data.frame(var1 = newVar1, var2 = newVar2))

或

注意，对于
预测
，它是
新数据
，而不是
数据


由于没有文档，如果我们看一下：

args(MASS:::predict.polr)
#function (object, newdata, type = c("class", "probs"), ...) 

您甚至可以检查源代码（不长）：

您将在源代码中看到：

newdata <- as.data.frame(newdata)
m <- model.frame(Terms, newdata, na.action = function(x) x, 
       xlev = object$xlevels)

在进行预测时，这些将不起作用：

## `data` ignored as no such argument
predict(house.plr, data = data.frame("Low", "Tower", "Low"))
## no_match in names 
predict(house.plr, newdata = data.frame("Low", "Tower", "Low"))

这项工作：

predict(house.plr, newdata = data.frame(Infl = "Low", Type = "Tower", Cont = "Low"))

#[1] Low
#Levels: Low Medium High

newdata <- as.data.frame(newdata)
m <- model.frame(Terms, newdata, na.action = function(x) x, 
       xlev = object$xlevels)

library(MASS)
house.plr <- polr(Sat ~ Infl + Type + Cont, weights = Freq, data = housing)

## check model terms inside model frame
attr(terms(house.plr$model), "term.labels")
# [1] "Infl" "Type" "Cont"

## `data` ignored as no such argument
predict(house.plr, data = data.frame("Low", "Tower", "Low"))
## no_match in names 
predict(house.plr, newdata = data.frame("Low", "Tower", "Low"))

predict(house.plr, newdata = data.frame(Infl = "Low", Type = "Tower", Cont = "Low"))

#[1] Low
#Levels: Low Medium High