评价预测变量对结果概率的影响

2019独角兽企业重金招聘Python工程师标准>>>

并不是很理解把，《R语言实战》第2版 ，p287

对于大多数来说，以概率的方式思考比使用优势比更直观。使用 predict() 函数，可以观察某个预测变量在各个水平是对结果概率的影响。首先创建一个包含感兴趣预测变量值的虚拟数据集，然后对该数据集使用 predict() 以预测这些值的结果概率

我们使用该方法评价婚姻评分对婚外情概率的影响。首先，创建一个虚拟数据集，设定年龄、婚龄、宗教信仰为他们的均值，婚姻评分的范围为1~5

> testdata <- data.frame(rating = c(1, 2, 3, 4, 5),
+                        age = mean(Affairs$age),
+                        yearsmarried = mean(Affairs$yearsmarried),
+                        religiousness = mean(Affairs$religiousness))
> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")
> testdata
  rating      age yearsmarried religiousness      prob
1      1 32.48752     8.177696      3.116473 0.5302296
2      2 32.48752     8.177696      3.116473 0.4157377
3      3 32.48752     8.177696      3.116473 0.3096712
4      4 32.48752     8.177696      3.116473 0.2204547
5      5 32.48752     8.177696      3.116473 0.1513079

接下来使用测试数据集预测相应的概率

> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")
> testdata
   rating age yearsmarried religiousness      prob
1 3.93178  17     8.177696      3.116473 0.3350834
2 3.93178  27     8.177696      3.116473 0.2615373
3 3.93178  37     8.177696      3.116473 0.1992953
4 3.93178  47     8.177696      3.116473 0.1488796
5 3.93178  57     8.177696      3.116473 0.1094738

从这些结果可以看到，当婚姻评分从1（很不幸福）变为5（非常幸福）时，婚外情概率为0.53降低到了0.15（假定年龄、婚姻和宗教信仰不变）。下面再看看年龄的影响：

> testdata <- data.frame(rating = mean(Affairs$rating),
+                        age = seq(17, 57, 10), 
+                        yearsmarried = mean(Affairs$yearsmarried),
+                        religiousness = mean(Affairs$religiousness))
> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")
> testdata
   rating age yearsmarried religiousness      prob
1 3.93178  17     8.177696      3.116473 0.3350834
2 3.93178  27     8.177696      3.116473 0.2615373
3 3.93178  37     8.177696      3.116473 0.1992953
4 3.93178  47     8.177696      3.116473 0.1488796
5 3.93178  57     8.177696      3.116473 0.1094738

此处可以看到，当其他变量不变，年龄从17增加到57时，婚外情的概率将从0.34降低到0.11。利用该方法，你可以探究每个预测变量对结果概率的影响

转载于:https://my.oschina.net/u/1785519/blog/1563547