使用R中的逻辑回归模型进行预测时出错

Question

我只是不知道我的代码出了什么问题。 我为此数据集拟合了逻辑回归模型：

  outcome predictor
1       0        -3 
2       0        -4
3       1         0
4       1        -1
5       1         0
6       0        -3

我安装了这个模型：

model <- glm(data$outcome~data$predictor, family = "binomial")

               Estimate Std. Error    z value     Pr(>|z|)
(Intercept) -0.01437719 0.07516923 -0.1912644 8.483185e-01
pvalue.us    0.19469804 0.03110934  6.2585081 3.886777e-10

然后，我想使用此向量进行预测：

test
[1] -2 -5  0 -3  2 -3

predict(model, newdata = test)

我得到这个错误：

Error in eval(predvars, data, env) : 
  numeric 'envir' arg not of length one

怎么了？

Answer 1

如果要使用诸如predict()类的函数，则不应在模型中使用$ -indexing； 使用data=参数代替，例如

 model <- glm(outcome~predictor, data=your_data, family = "binomial")

如果您在公式中使用$ ，则predict()函数实际上将不会使用在新数据框中找到的变量 。

使用给出的示例：

 model <- glm(data$outcome~data$predictor, family = "binomial")
 predict(model,newdata=data.frame(predictor=1:6))
 ##         1         2         3         4         5         6 
 ## -23.48969 -46.57791  45.77497  22.68675  45.77497 -23.48969
 predict(model,newdata=data.frame(predictor=rep(0,6)))
 ##         1         2         3         4         5         6 
 ## -23.48969 -46.57791  45.77497  22.68675  45.77497 -23.48969 

尽管使用了不同的newdata （！），结果还是一样的。 如果你用你只会得到一个警告newdata这是从原始数据集不同的长度。