對于我們大多數(shù)人來說，以概率的方式思考比使用優(yōu)勢比更直觀。使用predict()函數(shù)，可

以觀察某個預測變量在各個水平時對結果概率的影響。首先創(chuàng)建一個包含你感興趣預測變量值的

虛擬數(shù)據(jù)集，然后對該數(shù)據(jù)集使用predict()函數(shù)，以預測這些值的結果概率。

現(xiàn)在我們使用該方法評價婚姻評分對婚外情概率的影響。首先，創(chuàng)建一個虛擬數(shù)據(jù)集，設定

年齡、婚齡和宗教信仰為它們的均值，婚姻評分的范圍為1～5。

> testdata <- data.frame(rating=c(1, 2, 3, 4, 5), age=mean(Affairs$age),

yearsmarried=mean(Affairs$yearsmarried),

religiousness=mean(Affairs$religiousness))

> testdata

rating age yearsmarried religiousness

1 1 32.5 8.18 3.12

2 2 32.5 8.18 3.12

3 3 32.5 8.18 3.12

4 4 32.5 8.18 3.12

5 5 32.5 8.18 3.12

接下來，使用測試數(shù)據(jù)集預測相應的概率：

> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")

testdata

rating age yearsmarried religiousness prob

1 1 32.5 8.18 3.12 0.530

2 2 32.5 8.18 3.12 0.416

3 3 32.5 8.18 3.12 0.310

4 4 32.5 8.18 3.12 0.220

5 5 32.5 8.18 3.12 0.151

從這些結果可以看到，當婚姻評分從1（很不幸福）變?yōu)?（非常幸福）時，婚外情概率從0.53

降低到了0.15（假定年齡、婚齡和宗教信仰不變）。下面我們再看看年齡的影響：

> testdata <- data.frame(rating=mean(Affairs$rating),

age=seq(17, 57, 10),

yearsmarried=mean(Affairs$yearsmarried),

religiousness=mean(Affairs$religiousness))

> testdata

rating age yearsmarried religiousness

1 3.93 17 8.18 3.12

2 3.93 27 8.18 3.12

3 3.93 37 8.18 3.12

4 3.93 47 8.18 3.12

5 3.93 57 8.18 3.12

> testdata$prob <- predict(fit.reduced, newdata=testdata, type="response")

> testdata

rating age yearsmarried religiousness prob

1 3.93 17 8.18 3.12 0.335

2 3.93 27 8.18 3.12 0.262

3 3.93 37 8.18 3.12 0.199

4 3.93 47 8.18 3.12 0.149

5 3.93 57 8.18 3.12 0.109

此處可以看到，當其他變量不變，年齡從17增加到57時，婚外情的概率將從0.34降低到0.11。

利用該方法，你可探究每一個預測變量對結果概率的影響。