数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何在R中使用回归模型查找预测值的置信区间？
使用回归模型查找预测值的置信区间可以通过`predict`函数实现，只需要使用`interval`参数指定置信区间和相应的置信水平。例如，如果我们有一个模型M，并且自变量值的dataframe命名为newdata，那么可以使用以下语法计算置信区间：
predict(M,newdata,se.fit=TRUE,interval="confidence",level=0.95)
示例
考虑以下数据框：
set.seed(1234) x1<-sample(0:10,20,replace=TRUE) y1<-sample(6:10,20,replace=TRUE) df1<-data.frame(x1,y1) df1
输出
x1 y1 1 9 8 2 5 9 3 4 10 4 8 7 5 4 10 6 5 7 7 3 8 8 1 9 9 6 9 10 5 8 11 9 6 12 5 8 13 3 9 14 7 7 15 3 8 16 3 7 17 4 10 18 7 6 19 3 8 20 7 6
示例
M1<-lm(y1~x1,data=df1) summary(M1)
输出
Call: lm(formula = y1 ~ x1, data = df1) Residuals: Min 1Q Median 3Q Max -1.6617 -0.6775 -0.1775 1.0566 1.6611 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 9.6299 0.6342 15.185 1.05e-11 *** x1 -0.3228 0.1155 -2.795 0.012 * --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 1.113 on 18 degrees of freedom Multiple R-squared: 0.3026, Adjusted R-squared: 0.2638 F-statistic: 7.809 on 1 and 18 DF, p-value: 0.01198
创建新数据并查找该数据的拟合值的95%置信区间：
示例
newdata_x1<-data.frame(x1=c(5,2,3)) predict(M1,newdata_x1,se.fit=TRUE,interval="confidence",level=0.95) $fit
输出
fit lwr upr 1 8.016138 7.492902 8.539373 2 8.984400 8.078130 9.890670 3 8.661646 7.939804 9.383488
示例
$se.fit
输出
1 2 3 0.2490503 0.4313678 0.3435835
示例
$df
输出
[1] 18
示例
$residual.scale
输出
[1] 1.113487
查找该数据的拟合值的90%置信区间：
示例
predict(M1,newdata_x1,se.fit=TRUE,interval="confidence",level=0.90) $fit
输出
fit lwr upr 1 8.016138 7.584269 8.448007 2 8.984400 8.236381 9.732419 3 8.661646 8.065850 9.257442
示例
$se.fit
输出
1 2 3 0.2490503 0.4313678 0.3435835
示例
$df
输出
[1] 18
示例
$residual.scale
输出
[1] 1.113487
查找该数据的拟合值的80%置信区间：
示例
predict(M1,newdata_x1,se.fit=TRUE,interval="confidence",level=0.80) $fit
输出
fit lwr upr 1 8.016138 7.684803 8.347472 2 8.984400 8.410512 9.558288 3 8.661646 8.204546 9.118746
示例
$se.fit
输出
1 2 3 0.2490503 0.4313678 0.3435835
示例
$df
输出
[1] 18
示例
$residual.scale
输出
[1] 1.113487
查找该数据的拟合值的75%置信区间：
示例
predict(M1,newdata_x1,se.fit=TRUE,interval="confidence",level=0.75) $fit
输出
fit lwr upr 1 8.016138 7.720089 8.312187 2 8.984400 8.471628 9.497172 3 8.661646 8.253224 9.070068
示例
$se.fit
输出
1 2 3 0.2490503 0.4313678 0.3435835
示例
$df
输出
[1] 18
示例
$residual.scale
输出
[1] 1.113487
查找该数据的拟合值的99%置信区间：
示例
predict(M1,newdata_x1,se.fit=TRUE,interval="confidence",level=0.99) $fit
输出
fit lwr upr 1 8.016138 7.299261 8.733014 2 8.984400 7.742734 10.226067 3 8.661646 7.672662 9.650631
示例
$se.fit
输出
1 2 3 0.2490503 0.4313678 0.3435835
示例
$df
输出
[1] 18
示例
$residual.scale
输出
[1] 1.113487
更新于：2020年10月17日
495次浏览
广告