![](/img/trans.png)
[英]How to calculate confidence intervals for fitted values of beta regression using the bootstrap method in R
[英]How to Bootstrap Predictions and Levels of Confidence for Beta Regression Model in R
我正在使用具有一個定量預測變量( 振幅 = 40、50、60、70)的比例數據在R中運行Beta回歸模型。 我已經能夠從模型中獲得40、50、60、70的比例的預測值並將其繪制出來。
通過在該站點和其他站點上的研究,我了解到,使用beta回歸模型獲得預測的置信區間並不像使用其他模型那樣容易。 我已經讀到了有關獲得beta回歸模型的置信度的信息,從模型中引導預測是獲得置信區間/帶的一種方法(如其他帖子所述,例如Achim Zeileis在線程上發表的內容: https:// stats .stackexchange.com / questions / 230501 / variance-vs-standard-deviation-in-beta-regression?noredirect = 1&lq = 1 )。 我的問題是,人們將如何實際進行這種增強處理以從我的模型在R中獲得預測和預測的置信度? 理想情況下,我希望以一定的置信度來預測振幅比例:40、50、60和70。 對於引導程序,我還是比較陌生,因此,如果有人深入了解如何從beta回歸模型中引導預測和置信區間,那就太好了。
不確定您要查找的是什么,但是boot
包可能會提供解決方案。 這是一個使用隨機數據引導回歸的玩具示例:
library(boot)
library(xts)
set.seed(789)
dat <- xts(matrix(rnorm(1200), nrow=240, ncol=5),
as.Date(c(seq(as.Date("1990/1/1"), by = "month", length.out = 240))))
colnames(dat) <-c("A", "B", "C", "D", "E")
function.1 <-function(formula, dat, x) {
a <-dat[x,]
output <-lm(formula, data=a)
return(coef(output))
}
results <- boot(data=dat,
statistic=function.1,
R=1000,
formula=A ~ .)
results.ci <-boot.ci(results, type="basic", index=2)
results
ORDINARY NONPARAMETRIC BOOTSTRAP
Call:
boot(data = dat, statistic = function.1, R = 1000, formula = A ~
.)
Bootstrap Statistics :
original bias std. error
t1* -0.06716150 0.0029368176 0.06517814
t2* -0.04582073 -0.0050721571 0.07658141
t3* 0.14324494 0.0010631253 0.06500446
t4* 0.06771263 -0.0028811702 0.06247530
t5* 0.05620244 0.0005347628 0.06102209
results.ci
BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 1000 bootstrap replicates
CALL :
boot.ci(boot.out = results, type = "basic", index = 2)
Intervals :
Level Basic
95% (-0.1960, 0.1015 )
Calculations and Intervals on Original Scale
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.