我有一些由非R用户设置的逻辑回归模型系数。我想将这些系数导入R并在同一数据集上生成一些拟合度估计(ROC和混淆矩阵),与我的模型进行对比。我的第一个想法是使用以下方法将系数强制转换为现有的GLM对象:
summary(fit)$coefficients[,1] <- y
或者
summary(fit)$coefficients <- x
其中y和x是包含我试图用于预测的系数的矩阵,而fit是预先创建的虚拟glm对象,用于数据集的拟合。当然,这只给我带来了错误。
是否有任何方法可以将任意系数向量传递给predict()函数或在模型中指定系数?我是否可以通过将一个向量传递到GLM的offset参数中来强制执行此操作?谢谢
编辑:如评论中所述,使用任意系数没有太多的统计基础。我有一个商业伙伴,他/她相信自己“知道”正确的系数,我正在尝试量化基于这些估计值与由正确模型生成的系数之间的预测能力损失。
编辑2:根据BondedDust的答案,我能够强制转换系数,但无法清除由于强制转换而返回的predict()的错误消息,似乎调用predict的predict.lm也查看系数的秩,这导致了错误。
是否有任何方法可以将任意系数向量传递给predict()函数或在模型中指定系数?我是否可以通过将一个向量传递到GLM的offset参数中来强制执行此操作?谢谢
编辑:如评论中所述,使用任意系数没有太多的统计基础。我有一个商业伙伴,他/她相信自己“知道”正确的系数,我正在尝试量化基于这些估计值与由正确模型生成的系数之间的预测能力损失。
编辑2:根据BondedDust的答案,我能够强制转换系数,但无法清除由于强制转换而返回的predict()的错误消息,似乎调用predict的predict.lm也查看系数的秩,这导致了错误。
coefVector %*% t(cbind(1, dataVariables))
。(其中coefVector是提供的系数向量,datavariables是与相关系数对应的数据) - user20650model.matrix
可以使这个过程变得简单直接。 - user20650