predict.lrm(rms)
predict.lrm()所属R语言包：rms
Predicted Values for Binary and Ordinal Logistic Models
二进制和有序Logistic模型的预测值
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Computes a variety of types of predicted values for fits from lrm, either from the original dataset or for new observations. The Mean.lrm function produces an S function to compute the predicted mean of a numeric ordered response variable given the linear predictor, which is assumed to use the first intercept in its computation.
计算了多种类型的预测值适合lrm，无论是从原始数据集或新的观测。 Mean.lrm函数产生一个S函数来计算的预测均值为一个数字的有序响应变量的线性预测，假定在其计算中使用的第一个拦截。
用法----------Usage----------
## S3 method for class 'lrm'
predict(object, ..., type=c("lp", "fitted",
"fitted.ind", "mean", "x", "data.frame",
"terms", "cterms", "ccterms", "adjto","adjto.data.frame",
"model.frame"), se.fit=FALSE, codes=FALSE)
## S3 method for class 'lrm'
Mean(object, codes=FALSE, ...)
参数----------Arguments----------
参数：object
a object created by lrm
一个对象的创建的lrm
参数：...
arguments passed to predictrms, such as kint and newdata (which is used if you are predicting out of data). See predictrms to see how NAs are handled.
参数传递给predictrms，如kint和newdata（这是如果你预测out of data）。 predictrms怎么看NAS的处理。
参数：type
See predict.rms for "x", "data.frame", "terms", "cterms", "ccterms", "adjto", "adjto.data.frame" and "model.frame". type="lp" is used to get linear predictors (using the first intercept by default; specify kint to use others). type="fitted" is used to get all the probabilities Y≥q j. type="fitted.ind" gets all the individual probabilities Y=j. For an ordinal response variable, type="mean" computes the estimated mean Y by summing values of Y multiplied by the estimated Prob(Y=j). If Y was a character or factor object, the levels are the character values or factor levels, so these must be translatable to numeric, unless codes=TRUE. See the Hannah and Quigley reference below for the method of estimating (and presenting) the mean score. If you specify type="fitted","fitted.ind","mean" you may not specify kint.
见predict.rms"x", "data.frame", "terms", "cterms", "ccterms", "adjto", "adjto.data.frame"和"model.frame"。 type="lp"使用线性预测（默认情况下，使用第一个拦截指定kint使用）。 type="fitted"用于获取所有的概率Y≥q j。 type="fitted.ind"得到所有个人的概率Y=j。对于一个有序响应变量，type="mean"计算估计出的平均Y的Y值相加乘以估计Prob(Y=j)。如果Y是一个字符或factor对象，水平的字符值或因子水平，这些都必须翻译为数字，除非codes=TRUE。下面的估计，并提出平均得分的方法，请参见汉娜和Quigley参考。如果你指定了type="fitted","fitted.ind","mean"，“你可以不指定kint。
参数：se.fit
applies only to type="lp", to get standard errors.
仅适用于type="lp"，标准误差。
参数：codes
if TRUE, type="mean" or Mean.lrm uses the integer codes 1,2,…,k for the k-level response in computing the predicted mean response.
如果TRUE，type="mean"或Mean.lrm使用整数代码1,2,…,kk级响应计算预测的平均响应。
值----------Value----------
a vector (type="lp" with se.fit=FALSE, or type="mean" or only one observation being predicted), a list (with elements linear.predictors and se.fit if se.fit=TRUE), a matrix (type="fitted" or type="fitted.ind"), a data frame, or a design matrix. For Mean.lrm the result is an S function.
一个向量（type="lp"se.fit=FALSE或type="mean"或只有一个观测所预测的），一个列表（元素linear.predictors和se.fit如果se.fit=TRUE ），矩阵（type="fitted"或type="fitted.ind"），一个数据框，或一个设计矩阵。 Mean.lrm的结果是S功能。
（作者）----------Author(s)----------
Frank Harrell<br>
Department of Biostatistics<br>
Vanderbilt University<br>
f.harrell@vanderbilt.edu
参考文献----------References----------
original scale. Biometrics 52:771–5; 1996.
参见----------See Also----------
lrm, predict.rms, naresid, contrast.rms
lrm，predict.rms，naresid，contrast.rms
实例----------Examples----------
# See help for predict.rms for several binary logistic[请参阅帮助predict.rms数个MF]
# regression examples[回归的例子]
# Examples of predictions from ordinal models[从序模型预测的例子]
set.seed(1)
y <- factor(sample(1:3, 400, TRUE), 1:3, c('good','better','best'))
x1 <- runif(400)
x2 <- runif(400)
f <- lrm(y ~ rcs(x1,4)*x2, x=TRUE) #x=TRUE needed for se.fit[X = TRUE需要se.fit]
# Get 0.95 confidence limits for Prob[better or best][0.95的置信区间的概率，更好或最好的]]
L <- predict(f, se.fit=TRUE) #omitted kint= so use 1st intercept[省略KINT =使用1拦截]
plogis(with(L, linear.predictors + 1.96*cbind(-se.fit,se.fit)))
predict(f, type="fitted.ind")[1:10,] #gets Prob(better) and all others[得到PROB（更好的）和所有其他]
d <- data.frame(x1=c(.1,.5),x2=c(.5,.15))
predict(f, d, type="fitted") # Prob(Y>=j) for new observation[PROB（Y> = j）为新的观察]
predict(f, d, type="fitted.ind") # Prob(Y=j)[PROB（Y = J）]
predict(f, d, type='mean', codes=TRUE) # predicts mean(y) using codes 1,2,3[预测平均值（Y）码1,2,3]
m <- Mean(f, codes=TRUE)
lp <- predict(f, d)
m(lp)
# Can use function m as an argument to Predict or nomogram to[可以使用作为参数传递给函数m预测或诺模图]
# get predicted means instead of log odds or probabilities[得到的预测手段，而不是log的可能性或概率]
# Don't use non.slopes argument to Predict for this[不要使用non.slopes参数预测]
dd <- datadist(x1,x2); options(datadist='dd')
m
plot(Predict(f, x1, fun=m), ylab='Predicted Mean')
options(datadist=NULL)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-27 19:13:25
