2013-06-25 1 views
-2

Учитывая модель регрессии, созданную из одного набора данных, я использовал WinBUGS для построения интервалов прогнозирования (PI) вокруг среднего значения второго набора данных. Я только что открыл функцию «предсказания» в R, но он поставляет PI вокруг каждого прогнозируемого значения во втором наборе данных. Я искал помощь R, здесь и в Сети, и только нашел интервалы для отдельных членов.R интервал предсказания для среднего значения нового образца

Среднее значение этих интервалов явно не совпадает с PI вокруг прогнозируемого среднего значения выборки (и я проверил это по отношению к значению, полученному от WinBUGS).

Как мне получить R, чтобы дать мне PI вокруг среднего?

+0

Какая модель? Пример кода, используемого для соответствия модели в R? –

+0

Я использую прямую линейную регрессию с несколькими indep-варами, а также лог-лог-регрессию, чтобы дать соотношение y = ax^b. Код для первого случая: – user2518356

+0

К сожалению, для этого не используется, а не на компьютере с кодом, но из памяти: zmodel <-lm (Масса ~ Диаметр + Высота + Ширина, data = dataset1) затем pred_int <-predict (zmodel, dataset2) "pred_int" содержит PI для каждого элемента в dataset2 – user2518356

ответ

0

Раньше была функция R mean.data.frame, но она была устаревшей, а затем удалена. Вы можете получить тот же результат с:

mean.vec <- lapply(na.omit(dfrm), mean) 

Тогда, вероятно, просто:

predict(fit, newdata=data.frame(mean.vec)) 

Я говорю «наверное», потому что вы не представили набор данных, чтобы проверить это с и предоставление таких, на мой взгляд, ваша ответственность , Я не знаю, реплицирует ли этот метод JMP или метод WinBUGS.

+0

Спасибо, DWin. Я проверю это и отдам. Я рад, что вы можете увидеть мой комментарий к JMP, потому что он ушел с моего экрана, но это может быть ошибка пользователя. Я новичок в использовании этого или любого форума. С уважением, Питер – user2518356

+0

DWin, Спасибо за ваше предложение. Я посмотрел ваш предложенный код, и я считаю, что это не ответ. Оператор «lapply» возвращает вектор средств каждого столбца в dataframe. Поставка «для прогнозирования» возвращает PI вокруг одного объекта, который, как оказалось, состоит из этих средств. То, что я отчаянно хотел бы сделать в R, - это получить PI, который (95%), вероятно, будет содержать средний прогнозируемый ответ, учитывая новый набор данных из n элементов. Это то, что позволяют JMP и WinBUGS. (Примечание: это не среднее из n отдельных PI.) С уважением, Peter – user2518356

+0

Тогда это может быть «mean (pred (fit, newdata = dfrm)) + c (-1.96,1.96) * sd (предсказывать (подходит, NewData = DFRM)) '. (Мы не являемся пользователями JMP, и лишь немногие из нас были пользователями WinBUGS.) Вопрос о том, остаются ли эти псевдо-CI или псевдо-PI, остается открытым. –