使用predict.glm对logistic回归模型预测得到线性结果的问题

这是predict.glm()的默认行为导致的：默认情况下，它返回的是链接函数尺度（logit尺度）的线性预测值，而非logistic模型最终输出的概率值。

具体解释 #

你的logistic模型拟合是正确的——从输出的系数可以看到，截距-3、斜率3完全匹配你生成数据时的sigmoid函数y=1/(1+exp(3-3x))（对应logit变换为log(y/(1-y)) = -3 + 3x）。但predict.glm()默认参数type="link"，所以返回的是-3 + 3x这个线性结果，也就是你看到的直线。

解决方法 #

在调用predict()时，指定type="response"参数，就能得到logistic模型输出的概率值（和原数据y同尺度）：

# 重新拟合模型（和之前一致）
L <- glm(y ~ x, family=quasibinomial(link='logit'), data=df)
# 指定type="response"获取概率尺度的预测值
y_fit <- predict.glm(L, newdata=df, type="response")

# 绘制拟合结果，和原logistic曲线对比
plot(df$x, df$y, main="正确的Logistic拟合曲线")
lines(df$x, y_fit, col="red", lwd=2)

运行这段代码后，你会得到和原数据完全重合的logistic曲线，符合预期。

补充说明 #

• type="link"：默认值，返回链接函数变换后的线性预测值（logit尺度，对应log(p/(1-p))）
• type="response"：返回响应变量尺度的预测值（概率p，即sigmoid(线性预测值)）
• type="terms"：返回各预测项的贡献值

内容的提问来源于stack exchange，提问作者Ingolifs