如何用R的marginaleffects包便捷计算逻辑回归预测概率及置信区间

问题背景 #

想要在R中使用marginaleffects包，从逻辑回归模型快速计算带置信区间的分组预测概率。示例模型如下：

mod <- glm(am ~ factor(cyl), data = mtcars, family = binomial)

目前的实现方式需要自定义invlogit函数，并通过hypotheses()构造复杂的假设语句：

invlogit <- \(x) exp(x)/(1+exp(x))
hypotheses(mod, hypothesis = c("invlogit(`(Intercept)`) = 0",
                               "invlogit(`(Intercept)` + `factor(cyl)6`) = 0",
                               "invlogit(`(Intercept)` + `factor(cyl)8`) = 0"))

希望找到更简便的方法，无需自定义转换函数，且分组指定方式类似Stata的margins cyl或margins var1#var2。

解决方案：使用predictions()函数 #

marginaleffects包的predictions()函数可以直接实现需求，它会自动应用模型链接函数的逆变换（逻辑回归中即invlogit），并支持通过variables参数快速指定分组变量：

单分组变量场景 #

针对示例模型，只需一行代码即可获取cyl各水平的预测概率及置信区间：

library(marginaleffects)
mod <- glm(am ~ factor(cyl), data = mtcars, family = binomial)

# 获取cyl每个分组的预测概率与置信区间
predictions(mod, variables = "cyl")

输出结果会包含每个cyl水平对应的预测概率（prediction列）、置信区间上下限（conf.low和conf.high），以及分组标识等信息，完全无需手动构造线性组合或自定义转换函数。

多变量交互/组合场景 #

如果需要计算多变量所有组合的预测概率（类似Stata的margins var1#var2），只需将多个变量传入variables参数即可：

# 示例：假设模型包含cyl和gear两个变量
mod2 <- glm(am ~ factor(cyl) * factor(gear), data = mtcars, family = binomial)

# 获取cyl与gear所有组合的预测概率
predictions(mod2, variables = c("cyl", "gear"))

该函数会自动生成所有变量水平的交叉组合，并计算每个组合对应的预测概率及置信区间。

关键优势 #

• 无需自定义invlogit函数：predictions()默认在**响应尺度（response scale）**计算结果，自动处理逻辑回归的逆变换。
• 分组指定简洁：通过variables参数直接指定变量名，无需手动拆解模型系数构造线性组合。
• 支持复杂组合：轻松处理多变量交叉、连续变量取值设置等场景，灵活性远高于手动构造假设语句。

内容的提问来源于stack exchange，提问作者Stefan Hansen