Plotten glm Interaktionen: "newdata=" Struktur in der predict () - Funktion
Mein problem ist mit der predict()
Funktion, seiner Struktur und der Darstellung der Vorhersagen.
Mit den Vorhersagen aus meinem Modell, würde ich mag, um zu visualisieren, wie mein signifikanten Faktoren (und deren Interaktion) Einfluss auf die Wahrscheinlichkeit, dass meine abhängige variable.
Mein Modell:
m1 <-glm ( mating ~ behv * pop +
I(behv^2) * pop + condition,
data=data1, family=binomial(logit))
Paarung: individuelle verpaart hat oder nicht (Faktor, Binomische: 0,1)
pop: Bevölkerung (Faktor 4 Ebenen)
behv: Verhalten (numerisch, skaliert & zentriert)
Zustand: relativer Fettgehalt (numerisch skaliert & zentriert)
Erheblichen Auswirkungen nach dem ausführen des glm:
pop1
Zustand
behv*pop2
behv^2*pop1
Obwohl ich gelesen habe die Hilfe-Seiten, die früheren Antworten zu ähnlichen Fragen, tutorials usw., Ich konnte nicht herausfinden, wie die Struktur der newdata=
Teil in der predict()
Funktion. Die Effekte, die ich möchte, zu visualisieren (oben) könnte einen Anhaltspunkt geben, was ich will: Für die "behv*pop2" Interaktion, zum Beispiel, würde ich mag, um einen Graphen, der zeigt, wie sich das Verhalten von Einzelpersonen aus der Bevölkerung-2 beeinflussen können, ob Sie Paaren oder nicht (Wahrscheinlichkeit von 0 bis 1).
Du musst angemeldet sein, um einen Kommentar abzugeben.
Wirklich das einzige, was
predict
erwartet wird, dass die Namen der Spalten innewdata
genau entsprechen den Namen der Spalten in die Formel ein. Und Sie müssen die Werte für jede Ihrer Prädiktoren. Hier einige Beispiel-Daten.Dann dies passt in das Modell mit
data1
und Vorhersage indata2
Mit
type="response"
geben Sie die vorhergesagten Wahrscheinlichkeiten.Nun, Vorhersagen zu machen, die Sie nicht verwenden, eine Teilmenge aus der exakt gleichen
data.frame
. Sie können eine neue erstellen, um zu untersuchen, einen bestimmten Wertebereich (nur stellen Sie sicher, dass die Spaltennamen übereinstimmen. Um also zu erkundenbehv*pop2
(oderbehv*popb
in meinem Beispiel-Daten), könnte ich Daten erstellen.Rahmen wie dieserHier habe ich fix
pop="b"
also ich bin nur auf der Suche an derpop
, und da ichcondition
wie gut ich das beheben, dass bei der mittleren von den ursprünglichen Daten. (Ich konnte einfach 0 da die Daten zentriert und skaliert werden.) Jetzt habe ich einen Bereich festlegen vonbehv
Werte, die mich interessieren. Hier habe ich die Palette von den ursprünglichen Daten, und teilen Sie es in 100 Regionen. Das wird mir genügend Punkte für den plot. So nochmal ich mitpredict
zu bekommenund dann kann ich die Handlung, die mit
Obwohl nichts ist bedeutender in meinem fake-Daten, können wir sehen, dass höher Verhalten Werte scheinen weniger die Paarung für die Bevölkerung B.