如何解决预测响应与手动逻辑回归概率
我正在尝试使用逻辑回归模型手动计算给定 x 的概率。
我的模型看起来像这样 fit2
estimator <- function(x){
predict(fit2,type = "response",newdata = data.frame(stability=x))
}
这个函数给了我 0.5304603 的值 x=550
然后我创建手动版本。为此,我使用函数 p = e^(B0+B1*x)/(1 + e^(B0+B1*x))
所以我们的代码看起来像这样
est <- function(par,x){
x = c(1,x)
exp(par%*%x)/(1+exp(par%*%x))
}
其中 par = fit2$coefficients,x = 550
但此代码返回 0.6295905
为什么?
编辑:
summary(fit2):
Call:
glm(formula = ability ~ stability,data = df2)
Deviance Residuals:
Min 1Q Median 3Q Max
-0.78165 -0.33738 0.09462 0.31582 0.72823
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.531574 0.677545 -2.26 0.03275 *
stability 0.003749 0.001229 3.05 0.00535 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(dispersion parameter for gaussian family taken to be 0.1965073)
Null deviance: 6.7407 on 26 degrees of freedom
Residual deviance: 4.9127 on 25 degrees of freedom
AIC: 36.614
Number of Fisher Scoring iterations: 2
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。