如何解决线性模型的预测区间
我有一个线性模型 c 显示为“12 的列表”给出 y=3x+75
然后我想要使用“预测”公式对 x=23 进行预测，置信区间为 95%：
predict(c,newdata=data.frame(BMI=23),interval="prediction")
这给了我以下内容：
List of 16 fit,lwr,upr
警告信息： 'newdata' 有 1 行，但发现的变量有 16 行
有什么技巧可以使这项工作顺利进行吗？
解决方法
这是我可以重现您的警告的一种方式：
dd <- data.frame(BMI=21:32)
dd$y <- rnorm(12,mean=3*dd$BMI+75,sd=1)
c <- lm(dd$y ~ dd$BMI)
pp <- predict(c,newdata=data.frame(BMI=23),interval="prediction")
## Warning message: 'newdata' had 1 row but variables found have 12 rows
解决这个问题的方法是在模型中明确包含一个 data 参数，例如
c <- lm(y ~ BMI,data=dd)
pp <- predict(c,interval="prediction")
## fit lwr upr
## 1 143.5888 141.8718 145.3059
在公式中使用 dd$y 等的问题是 R 不知道它应该用 newdata 代替什么。
使用 data=dd 的方法不仅可以为您提供正确答案，还可以使 lm() 语句更易于阅读。
如果您在问题中提供了数据/可重现的样本，那将会很有帮助。根据错误消息，我最好的猜测是您的线性回归中有多个变量。以下是拟合线性回归并进行预测的示例：
library(tidyverse)
df <- data.frame(y = c(0,7,3,0),x = c(7,4,1,5))
lm1 <- lm(y ~ x,df)
predict(lm1,newdata = data.frame(x = 3))
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。