R中带逆链接的高斯GLM模型预测方法咨询

你当前使用的是逆链接（inverse link）的高斯GLM，模型的线性预测器为 η = β₀ + β₁X₁ + β₂X₂ + ...，响应变量与线性预测器的关系是 Y = 1/η。之前处理Gamma模型（log链接）的方法不适用，因为链接函数不同，正确的转换步骤如下：

• 获取link尺度的预测值和标准误：
  使用predict()时指定type = "link"，得到线性预测器η的估计值和标准误，这一步是在正态近似成立的线性尺度上计算，保证置信区间的准确性。
• 在link尺度计算置信区间：
  用常规的fit ± 1.96*se.fit计算上下限。
• 转换到response尺度：
  对link尺度的拟合值、置信区间上下限取倒数，得到最终的响应变量预测值和置信区间。

具体代码实现 #

# 获取link尺度的预测结果（线性预测器η的估计值）
pred_data_link <- predict(your_glm_model, 
                          newdata = newdata_income,
                          se.fit = TRUE, 
                          type = "link")

# 在link尺度计算置信区间上下限
pred_data_link$lwr_link <- pred_data_link$fit - 1.96 * pred_data_link$se.fit
pred_data_link$upr_link <- pred_data_link$fit + 1.96 * pred_data_link$se.fit

# 转换到response尺度：对link尺度的结果取倒数
# 注意：倒数是单调递减函数，区间上下限会反转
pred_data <- list(
  fit = 1 / pred_data_link$fit,
  lwr = 1 / pred_data_link$upr_link,
  upr = 1 / pred_data_link$lwr_link
)

关键说明 #

• 必须先在link尺度计算置信区间：逆链接是非线性变换，直接对response尺度的标准误做加减再转换会导致区间偏差，线性尺度的正态近似更可靠。
• 区间顺序反转：因为倒数函数单调递减，link尺度的上限对应response尺度的下限，反之亦然，转换时需要交换上下限的赋值。

内容的提问来源于stack exchange，提问作者gili