因此,我目前正试图画出线性模型的置信区间。我发现我应该为此使用predict.lm(),但是我确实有一些问题要理解这个函数,而且我不喜欢在不知道发生了什么的情况下使用函数。我找到了几个关于这个问题的方法,但是只有相应的R代码,没有真正的解释。这就是功能本身:
## S3 method for class 'lm'
predict(object, newdata, se.fit = FALSE, scale = NULL, df = Inf,
interval = c("none", "confidence", "prediction"),
level = 0.95, type = c("response", "terms"),
terms = NULL, na.action = na.pass,
pred.var = res.var/weights, weights = 1, ...)现在,我难以理解的是:
1) newdata
An optional data frame in which to look for variables
with which to predict. If omitted, the fitted values are used.2) interval
Type of interval calculation.3a) type
Type of prediction (response or model term).
3b) terms
If type="terms", which terms (default is all terms)我想你们中的一些人可能会想:为什么不试试这个呢?我会的(即使它可能解决不了这里的所有问题),但我现在不知道该如何解决。由于我现在不知道新数据的用途,我不知道如何使用它,如果我尝试,我没有得到正确的置信区间。不知何故,这是非常重要的,你如何选择这些数据,但我只是不明白!
编辑:我想补充一下,我的目的是了解predict.lm是如何工作的。我的意思是我不明白它是否像我想的那样起作用。也就是说,它计算y-hat (预测值),并对每一次使用加/减的时间间隔/lwr-界来计算几个数据点(看起来像一条置信线)?然后,我将揭示为什么在新的数据和线性模型中有相同的长度是必要的。
发布于 2012-09-22 14:31:34
编一些数据:
d <- data.frame(x=c(1,4,5,7),
y=c(0.8,4.2,4.7,8))配合模型:
lm1 <- lm(y~x,data=d)具有原始x值的置信度和预测间隔:
p_conf1 <- predict(lm1,interval="confidence")
p_pred1 <- predict(lm1,interval="prediction")会议还有普雷德。具有新x值的间隔(外推和比原始数据间隔更细/更均匀):
nd <- data.frame(x=seq(0,8,length=51))
p_conf2 <- predict(lm1,interval="confidence",newdata=nd)
p_pred2 <- predict(lm1,interval="prediction",newdata=nd)把所有东西都画在一起:
par(las=1,bty="l") ## cosmetics
plot(y~x,data=d,ylim=c(-5,12),xlim=c(0,8)) ## data
abline(lm1) ## fit
matlines(d$x,p_conf1[,c("lwr","upr")],col=2,lty=1,type="b",pch="+")
matlines(d$x,p_pred1[,c("lwr","upr")],col=2,lty=2,type="b",pch=1)
matlines(nd$x,p_conf2[,c("lwr","upr")],col=4,lty=1,type="b",pch="+")
matlines(nd$x,p_pred2[,c("lwr","upr")],col=4,lty=2,type="b",pch=1)

使用新的数据可以在原始数据之外进行外推;此外,如果原始数据是稀疏的或不均匀的,则预测区间(不是直线)可能无法用原始x值之间的线性插值来很好地近似.
我不太清楚您所说的“我的模型中的一个特定变量的置信区间”是什么意思;如果您想要参数上的置信区间,那么您应该使用confint。如果您希望仅根据一些参数更改(忽略其他参数引起的不确定性)对更改进行预测,那么您确实希望使用type="terms"。
interval="none" (默认值)只是告诉R不要费心计算任何信任或预测间隔,只返回预测值。
https://stackoverflow.com/questions/12544090
复制相似问题