我正在使用 R 进行逻辑回归，但是我正在使用偏移量。
mylogit <- glm(Y ~ X1 + offset(0.2*X2) + offset(0.4*X3), data = test, family = "binomial")
Coefficients:
(Intercept) X1
0.5250748 0.0157259
我的问题是：如何从该模型的每个观察值中获取原始预测结果？ 更具体地说，如果我使用“predict”函数，它是否会包括所有特征及其系数，即使模型系数仅列出截距和X1？
prob = predict(mylogit,test,type=c("response"))
我需要使用predict函数吗？"mylogit"对象中是否包含可以直接计算的内容？（是的，我看过glm的文档，但仍然感到困惑。）
感谢您的耐心。
glm和offset()的实验结果。从这个实验来看，你调用predict得到的结果似乎没有考虑到offset。相反，看起来需要使用summary.glm来实现这一目的。我从?glm中的第一个示例进行了一些修改（如果您提供数据，那么这将更加相关，因为我们可以更多地尝试使用"test"所需的newdata参数）。counts <- c(18,17,15,20,10,20,25,13,12)
outcome <- gl(3,1,9)
treatment <- gl(3,3)
print(d.AD <- data.frame(treatment, outcome, counts))
glm.D93 <- glm(counts ~ outcome + treatment + offset(1:9), family = poisson())
glm.D93d <- glm(counts ~ outcome + treatment , family = poisson())
> predict(glm.D93d, type="response")
1 2 3 4 5 6 7 8 9
21.00000 13.33333 15.66667 21.00000 13.33333 15.66667 21.00000 13.33333 15.66667
> predict(glm.D93, type="response")
1 2 3 4 5 6 7 8 9
21.00000 13.33333 15.66667 21.00000 13.33333 15.66667 21.00000 13.33333 15.66667
offset才会显现出来。这是由summary.glm完成的：> summary(glm.D93)$coef
Estimate Std. Error z value Pr(>|z|)
(Intercept) 2.044522 0.1708987 11.963362 5.527764e-33
outcome2 -1.454255 0.2021708 -7.193203 6.328878e-13
outcome3 -2.292987 0.1927423 -11.896644 1.232021e-32
treatment2 -3.000000 0.2000000 -15.000000 7.341915e-51
treatment3 -6.000000 0.2000000 -30.000000 9.813361e-198
> summary(glm.D93d)$coef
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.044522e+00 0.1708987 1.781478e+01 5.426767e-71
outcome2 -4.542553e-01 0.2021708 -2.246889e+00 2.464711e-02
outcome3 -2.929871e-01 0.1927423 -1.520097e+00 1.284865e-01
treatment2 1.337909e-15 0.2000000 6.689547e-15 1.000000e+00
treatment3 1.421085e-15 0.2000000 7.105427e-15 1.000000e+00
偏移量仅更改参考水平（在这个混乱的示例中进行了相当奇怪的更改），而对$linear.predictors和$fitted与数据的拟合没有影响。我没有看到在glm中影响此项的评论，但在?lm中有一条评论：“由offset指定的偏移量将不会包含在predict.lm的预测中，而由公式中的偏移项指定的偏移量将会包含在预测中。”我承认我从阅读?model.offset中获得的见解很少。