R 二项GLM中的新数据预测

我第一次问的问题是要符合GLM，我做到了，没有任何问题。我得到了这个方程式，我确信它是正确的

洛吉特（损害）=5.08498-0.11560（临时性）

然后，有人问我：

构建第二个绘图，将温度数据的范围扩展到30华氏度。使用以下脚本开始此操作：

plot(c(30,85), c(0,1), type='n',xlab="Temperature (F)", ylab="Damage")
rug(x=spacshu$TempF[spacshu$Damage==0],side=1)
rug(x=spacshu$TempF[spacshu$Damage==1],side=3)

然后将使用上面创建的模型估计的30到85华氏度温度的预测响应添加到该图中

通过“上面”，它很可能指的是我做这部分的部分，涉及到一个反向转换

spacshub.pred = exp(predict(spacshub.glm))/(1+exp(predict(spacshub.glm)))

我的困惑从这里开始。数据（上面是一个.txt文件中的超链接）显示了基于温度和损伤的观察结果，损伤是一个二项式变量，只有0（表示未破坏）和1（表示已破坏）。从我在二项式glms上读到的

假设Yi是一个伯努利随机变量，我们可以将其概率分布表述如下：

{p（Yi=1）=pi，p（Yi=0）=1-pi}

恰当地说，当我在R中插入一个值时，它给了我一个介于0和1之间的值，并且根据数据销毁的大多数航天飞机都有高（er）pi值

现在问题来了。当我初始化我的新数据时，我该怎么做呢？初始化TempF很容易，但是我该如何处理损坏呢？我之前执行的predict命令没有给我0或1，而是一组介于0和1之间的概率值。我究竟该如何初始化一个30到85度的新数据帧

编辑：谢谢大家。这很有帮助，我可以做出预测。然而，我认为我的编码有点不对劲。我也在试着做一条合适的线，但我不确定如何改变我预测的元素数量。这主要是由于数据中存在大量重复。所以当我这么做的时候

newdata = data.frame(TempF=seq(30,85))
spacshu.predict = predict(spacshub.glm, newdata, type="response", se.fit=T)

---

与数据集中的138个元素相反，只有56个元素。除非它们相等，否则我无法绘制拟合图。关于我的预测值，我该怎么办？

首先回到基础，您正在研究一个具有二项式因变量（损害）的逻辑回归模型。 您描述的logit函数：

   logit(Damage)= 5.08498-0.11560(TempF)

可以估计你想要的范围（30到85华氏度）的logit（伤害）

这将导致您的logit在该范围内的所有不同数字，请查看此logit值的真正含义

你从方程中得到的值可以用你已经描述过的方程转换成概率，它会给你一个介于0和1之间的值。这是在特定温度下，有（1）或不会（0）损坏的概率

GLM只是一种预测与连续变量相关的二项变量发生概率的方法

---

希望这足以让您开始绘制图。

如果您理解您的问题，您实际上不需要在新数据中初始化

损坏，因为这就是您所预测的。
predict
函数只需要预测器变量（
TempF
）。阅读帮助页面。谢谢，我可以使用该命令进行预测，但是我遇到了一些进一步的麻烦。我编辑我的文章就是为了反映这种情况。如果你想在每个原始点进行估算，那么就省去newdata参数。或者用
点
绘制一个，用
线
绘制另一个。这个问题要求我将温度范围扩大到30度，这与原始数据不同，因为原始数据的范围在50到85度之间。我想问题是要我做一个预测，包括30到85的数值。