请问statsmodels中是否存在R语言predict(model, newdata, type="response")的等价函数？

R的predict(model, newdata, type="response")核心是返回响应变量原始尺度上的预测值（比如逻辑回归返回概率，而非线性预测值），statsmodels中可通过以下方式实现：

• 对于多数回归模型（如逻辑回归、线性回归）：
  默认情况下，model.predict(newdata)就等价于R的该功能——因为statsmodels的predict方法默认会将线性预测值转换为响应变量的尺度（对应参数transform=True，可显式指定）。
  示例（逻辑回归）：

  import statsmodels.api as sm
  import pandas as pd
  
  # 训练模型
  data = sm.datasets.get_rdataset("mtcars").data
  y = data["am"]
  X = sm.add_constant(data[["hp", "wt"]])
  model = sm.Logit(y, X).fit()
  
  # 构造新数据
  new_data = pd.DataFrame({"hp": [150, 200], "wt": [3.0, 2.5]})
  new_data = sm.add_constant(new_data)
  
  # 获取响应尺度的预测值
  predictions = model.predict(new_data)
  

• 对于广义线性模型（GLM）：
  可直接使用model.predict(newdata, type="response")，参数名和R完全一致，功能等价。

• 线性回归特殊情况：
  由于线性回归的响应尺度就是线性预测值，直接调用model.predict(newdata)即可得到对应结果。

内容的提问来源于stack exchange，提问作者szaki