拟合带log(Exposure)偏移的泊松GLM后，predict.glm偏移量使用疑问

问题核心 #

你遇到的困惑源于两个关键点：

• 拟合模型时offset的定义方式不正确
• 对predict.glm()中offset参数的作用理解有误

为什么你的测试结果出现异常？ #

首先纠正一个事实：运行你提供的代码，只有DTtest1和DTtest3的结果完全一致，DTtest2的结果与前两者完全不同（sum(DTtest1==DTtest2)会返回0）。你看到的三个结果一致，大概率是代码运行时的疏漏（比如误将DTtest2的offset写成了log(exp)）。

出现这个现象的原因：

1. 你在拟合模型时使用了offset=log(exp)参数，这里的偏移项是一个固定向量，模型会将其存储下来。
2. predict.glm()中的offset参数是替换拟合时的偏移项，而非叠加：
   • DTtest3（不指定offset）：默认使用拟合时的log(exp)偏移向量，响应尺度为exp(线性预测器 + log(exp)) = exp(线性预测器)*exp
   • DTtest1（指定offset=log(exp)）：用相同的向量替换拟合时的偏移，结果自然一致
   • DTtest2（指定offset=exp）：用exp向量替换偏移，线性预测器变为线性预测器 + exp，响应尺度为exp(线性预测器 + exp)，与前两者完全不同

正确的offset使用方式 #

推荐在模型公式中指定offset，而非单独使用offset参数，这样模型会自动从数据框中提取对应列，预测时无需手动处理：

set.seed(1)
# 避免和内置函数exp()重名，改用exp_val作为变量名
exp_val <- c(1:100)/100
dummy <- rep(c(0,1), each=50)
y <- floor(rpois(100, dummy*exp_val*10)) 
DTtest <- data.frame(exp=exp_val, D=dummy, y=y)

# 在公式中定义offset，模型会自动识别数据框中的exp列
gtest <- glm(y ~ D + offset(log(exp)), family=poisson(link='log'), data=DTtest)

# 预测新数据时，只要newdata包含exp列，无需手动指定offset
pred_default <- predict(gtest, newdata=DTtest, type='response')

# 如果需要使用自定义偏移项，传入链接尺度的向量（泊松log链接下为log(偏移变量)）
# 示例：使用原来偏移的2倍
new_offset_vec <- log(exp_val * 2)
pred_custom_offset <- predict(gtest, newdata=DTtest, type='response', offset=new_offset_vec)

关键注意事项 #

• 偏移项必须添加在链接尺度上：对于泊松GLM的log链接，偏移是log(暴露量/偏移变量)，而非原始偏移变量；
• 公式中使用offset(log(exp))时，模型会自动关联数据框中的exp列，预测时newdata必须包含该列才能自动计算偏移；
• 避免使用R内置函数名（如exp）作为变量名，防止作用域混淆。

内容的提问来源于stack exchange，提问作者rmcm22