'tahmin' işlevinin tersi

Question

predict() kullanımı, belirli bir model için bağımsız değişkenin (x) belirli bir değeri için bağımlı değişkenin (y) öngörülen değerini elde edebilir. Verilen bir y için x kestiren herhangi bir işlev var mı? Örneğin

:

predict(model, data.frame(x=50), type = "response") 

Ben x örneğin y=30 yapar bilmek istiyorum:

kalythos <- data.frame(x = c(20,35,45,55,70), 
    n = rep(50,5), y = c(6,17,26,37,44)) 
kalythos$Ymat <- cbind(kalythos$y, kalythos$n - kalythos$y) 
model <- glm(Ymat ~ x, family = binomial, data = kalythos) 

biz x=50 için modelin öngörülen değerini bilmek istiyorsanız

.

Answer 1

Önceki yanıt silindi. Senin durumunda, verilen n = 50 ve model binom, sen kullanıldığı X verilen y hesaplarız:

f <- function (y,m) { 
    (logit(y/50) - coef(m)[["(Intercept)"]])/coef(m)[["x"]] 
} 
> f(30,model) 
[1] 48.59833 

Ama bunu yaparken, daha iyi nasıl ters tahmin aralığını hesaplamak için size göstermek için bir istatistikçi danışın. Ve lütfen, VitoshKa'nın düşüncelerini dikkate alın.

Answer 2

Sadece regresyon denklemini yeniden düzenlemelisiniz, ancak yukarıdaki yorumlar gibi, bu durumun zor olabileceği ve mutlaka anlamlı bir yorumlamaya sahip olmadığı da kanıtlanabilir.

Ancak durum için size kullanabilirsiniz sundu:

(1/coef(model)[2])*(model$family$linkfun(30/50)-coef(model)[1]) 

Not ben ilk isim nitelik doğru olmasını sağlamak için x katsayısı ile bölünmesini yaptı.

Answer 3

Hızlı bir görünüm için (aralıksız ve ek sorunları dikkate almadan), TeachDemos paketindeki TkPredict işlevini kullanabilirsiniz. Bunu doğrudan yapmaz, ancak x değerini/değerlerini dinamik olarak değiştirmenize ve tahmin edilen y değerinin ne olduğunu görmenize izin verir, böylece istenen Y bulunana kadar x'in taşınması oldukça basit olur (ekte verilen değerler için). x'ler), bu aynı zamanda aynı y için çalışacak olan birden fazla x ile ilgili sorunları da gösterecektir.

Answer 4

chemcal paket y ~ x ve

Answer 5

y ~ x - 1 bu eski iplik genelinde geldi ama başka bilgi eklemek düşündüm formun uyan için çalışan bir inverse.predict() işlevi vardır. Paket MASS, logit/probit modelleri için functionDP'ye sahiptir. SE delta metodu ile yapılmaktadır. @VitoshKa söylediği gibi, biz x sabit ve y (0/1 yanıt) rastgele varsayıyorum, çünkü ters modelini (x ~ y) takılması

> dose.p(model,p=.6) 
      Dose  SE 
p = 0.6: 48.59833 1.944772 

ediyorum burada değil mantıklı. Ayrıca, eğer veri gruplandırılmadıysa, açıklayıcı değişkenin sadece 2 değerine sahip olursunuz: 0 ve 1 Ancak x'in sabit olduğunu varsaysak da, belirli bir p için x için bir güven aralığının hesaplanması mantıklıdır. , @VitoshKa'nın söylediği gibi. Modeli ED50 açısından yeniden parametreleştirebildiğimiz gibi, bunu ED60 ya da başka bir miktar için yapabiliriz. Parametreler sabittir, ancak yine de CI'leri onlar için hesaplıyoruz.