如何从 GLM 输出中获取概率

我现在非常困惑，因为我试图找出如何计算我的概率glmR 中的输出。我知道数据非常微不足道，但我真的很想知道如何从这样的输出中获取概率。我本来想尝试一下inv.logit()但不知道括号内要放什么变量。

数据来自占用研究。我正在评估毛发陷阱法与相机陷阱法在检测 3 个物种（红松鼠、松貂和入侵性灰松鼠）方面的成功率。我想看看是什么影响了各种物种的检测（或未检测）。一种假设是，在该地点检测到另一种焦点物种会影响红松鼠的可检测性。鉴于松貂是红松鼠的捕食者，而灰松鼠是竞争对手，因此这两个物种在一个地点的存在可能会影响红松鼠的可检测性。

这能显示概率吗？inv.logit(-1.14 - 0.1322 * nonRS events)

 glm(formula = RS_sticky ~ NonRSevents_before1stRS, family = binomial(link = "logit"), data = data)
Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-0.7432  -0.7432  -0.7222  -0.3739   2.0361  
Coefficients:
                    Estimate Std. Error z value Pr(>|z|)  
(Intercept)              -1.1455     0.4677  -2.449   0.0143 *
NonRSevents_before1stRS  -0.1322     0.1658  -0.797   0.4255  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
   (Dispersion parameter for binomial family taken to be 1)
Null deviance: 34.575  on 33  degrees of freedom
   Residual deviance: 33.736  on 32  degrees of freedom
  (1 observation deleted due to missingness)
   AIC: 37.736
  Number of Fisher Scoring iterations: 5*

如果您想要预测一组指定的预测变量值的响应概率：

pframe <- data.frame(NonRSevents_before1stRS=4)
predict(fitted_model, newdata=pframe, type="response")

where fitted_model是你的结果glm()fit，您将其存储在变量中。您可能不熟悉 R 的统计分析方法，即将拟合模型存储为对象/变量，然后对其应用不同的方法（summary(), plot(), predict(), residuals(), ...)

• 这显然只是一个虚构的例子：我不知道 4 是否是一个合理的值NonRSevents_before1stRS多变的）
• 您可以指定更多不同的值来同时进行预测（data.frame(NonRSevents_before1stRS=c(4,5,6,7,8)))
• 如果您有多个预测变量，则必须为每个预测的每个预测变量指定一些值，例如data.frame(x=4:8,y=mean(orig_data$y), ...)

如果您想要原始数据集中观测值的预测概率，只需predict(fitted_model, type="response")

你是对的inv.logit()（来自一堆不同的软件包，不知道您正在使用哪个）或plogis()（从基础 R，本质上相同）将从 logit 或 log-odds 尺度转换为概率尺度，所以

plogis(predict(fitted_model))

也可以工作（predict默认情况下提供对链接函数 [在本例中为 logit/log-odds] 规模的预测）。