Доверительные интервалы для прогнозируемых вероятностей из прогноза.lrm

Question

Я пытаюсь определить доверительные интервалы для прогнозируемых вероятностей из биномиальной логистической регрессии в R. Модель оценивается с использованием lrm (из пакета rms), чтобы обеспечить стандартную ошибку кластеризации при опросе респондентов (каждый респондент появляется до 3 раз в данных):

library(rms) 
model1<-lrm(outcome~var1+var2+var3,data=mydata,x=T,y=T,se.fit=T) 
model.rob<-robcov(model1,cluster=respondent.id) 

Я в состоянии оценить прогнозируемую вероятность для результата с помощью predict.lrm:

predicted.prob<-predict(model.rob,newdata=data.frame(var1=1,var2=.33,var3=.5), 
type="fitted") 

То, что я хочу определить, является доверительным интервалом 95% для этой прогнозируемой вероятности. Я попытался указать se.fit=T, но это недопустимо в predict.lrm, когда type=fitted.

Я провел последние несколько часов, прочесывая Интернет, чтобы сделать это с lrm безрезультатно (очевидно). Может ли кто-нибудь указать мне на метод определения этого доверительного интервала? В качестве альтернативы, если это невозможно или сложно с моделями lrm, существует ли еще один способ оценить логит с кластерными стандартными ошибками, для которых более легко получить доверительные интервалы?

Answer 1

Файл справки для predict.lrm имеет ясный пример. Вот небольшая модификация этого:

L <- predict(fit, newdata=data.frame(...), se.fit=TRUE) 
plogis(with(L, linear.predictors + 1.96*cbind(- se.fit, se.fit))) 

Для некоторых проблем, которые вы можете захотеть использовать функции gendata или Predict, например,

L <- predict(fit, gendata(fit, var1=1), se.fit=TRUE) # leave other vars at median/mode 
Predict(fit, var1=1:2, var2=3) # leave other vars at median/mode; gives CLs