如何使用 r 中的多项式获得多项 logit 中因子变量 X 的每个级别的平均预测概率？

如何解决如何使用 r 中的多项式获得多项 logit 中因子变量 X 的每个级别的平均预测概率？

我正在做一个多项式 logit，其中 Y~X + C1 + C2，其中 Y 是具有 5 个级别的结果变量。 X 是感兴趣的变量，是一个有 8 个水平的因子变量。 C1和C2为对照，分别为5个和7个水平的因子变量。

现在，我可以使用 multinom 包中的 nnet 函数运行多项 logit 模型

model=mulitnom(Y~X+C1+C2,data=dataset,weights=weight,na.rm=T)

但是我很难在持有 C1 和 C2 的同时获得 X 的每个级别的平均预测概率。

我尝试了两种方法：

方法一

 #taking probabilities 
>prob=predict(model,type=="probs") 

#combining the predicted probabilities to the dataset 
>new_data=cbind(dataset,prob)

#taking the mean predicted probabilities for each level of X 
>mean(new_data$`1`[new_data$X==1],na.rm=T)         (`1` is the predicted probability when Y=1)

方法二

#I created a new dataset to get the predicted probabilities of each level of X

df= with(dataset,data.frame(X=factor
                        ("1",levels = c("1","2","3","4","5","6","7","8"
                          )),C1,C2))

#getting the predicted probability 
prob1=predict(model,df,type="probs")

#summarizing it to get the average probability 
summary(prob1)

我得到了不同的结果。两种方法的平均预测概率相差1-2个百分点，不知道哪种方法是正确的。如果有人能帮助我，我将不胜感激。