如何獲得R中線性回歸的預測間隔

Question

這個問題可能源於我不完全了解predict（）函數在做什么的事實，但是我想知道是否有一種方法可以訪問基礎的預測數據，以便我可以獲取給定未觀察到的預測間隔值。 這就是我的意思：

x <- rnorm(100,10)
y <- x+rnorm(100,5)

並建立線性模型：

mod1 <- lm(y ~ x)

如果我想要模型估計的置信區間，則可以執行以下操作：

confint(mod1)

並得到

>                  2.5 %    97.5 %
(Intercept) -8.1864342 29.254714
x            0.7578651  1.132339

如果需要的話，可以將這些上下限估計值插入預測方程，以獲取x的某些輸入的上下置信區間。

如果我想做同樣的事，但有一個預測間隔怎么辦？ 運用

predict(mod1, interval = "prediction")

看起來它使模型適合具有上下限的現有數據，但是沒有告訴我上下限所基於的參數，因此我可以將其用作不可觀察的值。

（我知道我可以從技術上將一個值添加到predict（）命令中，但是我只需要底層參數，這樣我就不必在R中進行預測了）

Answer 1

predict函數接受newdata參數，該參數計算未觀測值的間隔。 這是一個例子

x <- rnorm(100, 10)
y <- x + rnorm(100, 5)
d <- data.frame(x = x, y = y)

mod <- lm(y ~ x, data = d)

d2 <- data.frame(x = c(0.3, 0.6, 0.2))
predict(mod, newdata = d2, interval = 'prediction')

我不知道您所說的基礎參數是什么。 預測間隔的計算涉及一個復雜的公式，您不能將其簡化為幾個簡單的參數。