評價預測變量對結果機率的影響

並非很理解把，《R語言實戰》第2版 ，p287

對於大多數來講，以機率的方式思考比使用優點比更直觀。使用 predict() 函數，能夠觀察某個預測變量在各個水平是對結果機率的影響。首先建立一個包含感興趣預測變量值的虛擬數據集，而後對該數據集使用 predict() 以預測這些值的結果機率

咱們使用該方法評價婚姻評分對婚外情機率的影響。首先，建立一個虛擬數據集，設定年齡、婚齡、宗教信仰爲他們的均值，婚姻評分的範圍爲1~5

> testdata <- data.frame(rating = c(1, 2, 3, 4, 5),
+                        age = mean(Affairs$age),
+                        yearsmarried = mean(Affairs$yearsmarried),
+                        religiousness = mean(Affairs$religiousness))
> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")
> testdata
  rating      age yearsmarried religiousness      prob
1      1 32.48752     8.177696      3.116473 0.5302296
2      2 32.48752     8.177696      3.116473 0.4157377
3      3 32.48752     8.177696      3.116473 0.3096712
4      4 32.48752     8.177696      3.116473 0.2204547
5      5 32.48752     8.177696      3.116473 0.1513079

接下來使用測試數據集預測相應的機率

> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")
> testdata
   rating age yearsmarried religiousness      prob
1 3.93178  17     8.177696      3.116473 0.3350834
2 3.93178  27     8.177696      3.116473 0.2615373
3 3.93178  37     8.177696      3.116473 0.1992953
4 3.93178  47     8.177696      3.116473 0.1488796
5 3.93178  57     8.177696      3.116473 0.1094738

從這些結果能夠看到，當婚姻評分從1（很不幸福）變爲5（很是幸福）時，婚外情機率爲0.53下降到了0.15（假定年齡、婚姻和宗教信仰不變）。下面再看看年齡的影響：

> testdata <- data.frame(rating = mean(Affairs$rating),
+                        age = seq(17, 57, 10), 
+                        yearsmarried = mean(Affairs$yearsmarried),
+                        religiousness = mean(Affairs$religiousness))
> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")
> testdata
   rating age yearsmarried religiousness      prob
1 3.93178  17     8.177696      3.116473 0.3350834
2 3.93178  27     8.177696      3.116473 0.2615373
3 3.93178  37     8.177696      3.116473 0.1992953
4 3.93178  47     8.177696      3.116473 0.1488796
5 3.93178  57     8.177696      3.116473 0.1094738

此處能夠看到，當其餘變量不變，年齡從17增長到57時，婚外情的機率將從0.34下降到0.11。利用該方法，你能夠探究每一個預測變量對結果機率的影響