[英]Regression model point estimation
我想根据参数的值列表检索二阶多项式回归线的值。
这是模型:
fit <- lm(y ~ poly(age, 2) + height + age*height)
我想使用年龄值列表并检索回归线上的值,以及标准偏差和标准误差。 'age'是一个连续变量,但我想创建一个离散值数组并从回归线返回预测值。
例:
age <- c(10, 11, 12, 13, 14)
由于您有一个交互项,因此当您同时指定要考虑的height
值时,线性或二次age
项(或两者一起)的回归系数仅具有意义。 因此,要获得高度达到其平均值时的预测,您可以这样做:
predict(fit, data.frame(age=c(10, 11, 12, 13, 14), height=mean(height) ) )
bouncyball
提出了一个很好的观点。 您询问“标准偏差和标准误差”,但系数和预测没有“标准偏差”,因为通常使用该术语,但速率“估计的标准误差”通常缩短为标准误差。
predict(fit, data.frame(age=c(10, 11, 12, 13, 14), height=mean(height) ), se.fit=TRUE )
我想如果你做了一个自举运行,并将单独系数的标准偏差看作系数的标准误差的估计,那可能被认为是一个标准偏差,但它会在参数空间的范围内而不是变量的规模。
您的数据有2个变量,因此您需要同时提供年龄和身高。
例如,使用模拟数据:
age = sample(10)
height = sort(rnorm(10, 6, 1))
y = sort(rnorm(10, 150, 30))
fit <- lm(y ~ age + poly(age, 2) + height + age*height)
要获得预测,请指定年龄和高度,然后预测:
# I'm using my own heights, you should choose the values you're interested in
new.data <- data.frame(age=c(10, 11, 12, 13, 14) ,
height=c(5.7, 6.3, 5.8, 5.9, 6.0) )
> predict(fit, new.data)
1 2 3 4 5
132.76675715 137.70712251 113.39494557 102.07262016 88.84240532
获得每个预测的置信区间
> predict(fit, new.data, interval="confidence")
fit lwr upr
1 132.76675715 96.0957812269 169.43773307
2 137.70712251 73.2174486246 202.19679641
3 113.39494557 39.5470153667 187.24287578
4 102.07262016 3.5466926099 200.59854771
5 88.84240532 -37.7404171712 215.42522781
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.