Tôi đã luôn luôn là một fan hâm mộ của việc chuyển đổi đầu ra mô hình thành số lượng quan tâm thực tế. Ví dụ, tôi muốn bổ sung một bảng mô hình hồi quy logistic với các xác suất dự đoán cho một tập hợp các cấp độ biến giải thích nhất định. Điều này có thể trực quan hơn tỷ lệ chênh lệch, đặc biệt đối với khán giả giáo dân.
Ví dụ, giả sử tôi đã điều hành một mô hình hồi quy logistic để dự đoán tỷ lệ sống sau 5 năm sau ung thư ruột kết. Xác suất thực tế của cái chết đối với một bệnh nhân dưới 40 tuổi bị ung thư nhỏ chưa được đục lỗ là gì? Làm thế nào mà xác suất đó khác nhau đối với một bệnh nhân trên 40 tuổi?
Tôi đã thử những cách khác nhau này. Tôi đã sử dụng Zelig trong một thời gian bao gồm ở đây, nhưng nó bắt đầu cố gắng làm quá nhiều và luôn bị phá vỡ [tôi đã cập nhật nó vào một ngày khác với hy vọng mọi thứ tốt hơn, nhưng lại gặp một chuỗi lỗi].
Tôi cũng đã sử dụng RMS, bao gồm cả ở đây [thanh toán các lô đẹp!]. Tôi thích nó và tôn trọng gói. Nhưng tôi không sử dụng nó như là tiêu chuẩn và vì vậy cần chuyển đổi tất cả các mô hình trước, ví dụ: & nbsp; sang LRM. Một lần nữa, vì nhu cầu của tôi, nó cố gắng làm quá nhiều và tôi thấy Datadist vụng về.
Thứ ba, tôi yêu Stan vì điều này, ví dụ: & nbsp; được sử dụng trong bài viết này. Khối số lượng được tạo ra cho phép linh hoạt tuyệt vời để mô phỏng bất cứ điều gì bạn muốn từ phía sau. Tôi là một người Bayes ở trái tim sẽ luôn quay trở lại với điều này. Nhưng đối với một số ứng dụng, nó có một chút nhiều, và mất một thời gian để chạy như tôi muốn.
Tôi thường chỉ đơn giản muốn dự đoán y-hat từ LM và GLM với các khoảng thời gian bootstrapping và lý tưởng là so sánh các bộ cấp độ giải thích. Giống như sim làm trong Zelig. Nhưng tôi muốn nó ở một định dạng tôi có thể sử dụng ngay lập tức trong một ấn phẩm.
Bây giờ tôi có thể với finalfit
Có hai chức năng chính với một số bên trong mới để giúp mở rộng sang các mô hình khác trong tương lai.
Hãy chắc chắn rằng bạn đang ở phiên bản cập nhật nhất của FinalFit.
install.packages["finalfit"]Tạo DataFrame mới của các cấp độ biến giải thích
ff_newdata [bí danh:
library[finalfit]
explanatory = c["age.factor", "extent.factor", "perfor.factor"]
dependent = 'mort_5yr'
colon_s %>%
finalfit_newdata[explanatory = explanatory, newdata = list[
c["