data<-read.xlsx('msaD.xlsx','d5.1') #导入数据
g<-glm(data$y~data$x1+data$x2+data$x3,family = binomial) #广义线性模型
summary(g)
logis.step<-step(g,direction = 'both') #逐步回归法选择变量
pre<-predict(logis.step,data.frame(x1=1)) #预测分类变量x1的值为1时因变量的值
p2<-exp(pre)/(1+exp(pre))
p2
此时会出现警告以及p2概率重复多遍,如
Warning message:
'newdata'必需有1行 但变量里有45行
> p2<-exp(pre)/(1+exp(pre))
> p2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
0.32 0.32 0.32 0.32 0.32 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.32 0.32 0.32 0.32
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
0.32 0.32 0.32 0.32 0.32 0.32 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.32 0.32 0.32
39 40 41 42 43 44 45
0.32 0.32 0.32 0.32 0.32 0.32 0.32
原因是预测时输入的变量名x1不够精确,虽说实际导入的数据里的变量名就是x1,但跟模型里描述的不同,函数glm()由于没绑定数据所以描述x1的是data$x1,因此可以选择以下三种方式之一:
1.使用attach(data)先绑定数据,后用变量名x1,x2,x3构造模型并进行预测,不过使用attach之后想解除绑定并绑定其他数据容易出错,所以不是很推荐。
2.
data<-read.xlsx('msaD.xlsx','d5.1')
gl<-glm(y~x1+x2+x3,family = binomial,data) #指定数据,可直接用变量名访问
gl
data.step<-step(gl,direction = 'both')
pre<-predict(data.step,data.frame(x1=1))
p<-exp(pre)/(1+exp(pre))
p
3.
data<-read.xlsx('msaD.xlsx','d5.1')
x1<-data$x1 #先将变量名换成与预测时使用的一致
g<-glm(data$y~x1+data$x2+data$x3,family = binomial) #模型输入简化的x1
summary(g)
logis.step<-step(g,direction = 'both')
pre<-predict(logis.step,data.frame(x1=1)) #直接使用x1预测
p2<-exp(pre)/(1+exp(pre))
p2
正常控制台输出
> pre<-predict(logis.step,data.frame(x1=1))
> p2<-exp(pre)/(1+exp(pre))
> p2
1
0.32
执行命令应注意步骤顺序以及多次执行导致变量名间冲突等情况,会使命令仍不尽人意。