R 从统计平滑中提取精确95%置信值的方法（方法=“glm”）

我使用ggplot2生成了一个glm交互图。我已经附上了我使用的代码和情节

我知道灰色阴影区域代表95%的置信区间，但我想知道是否有一种方法可以获得灰色阴影区域的准确值，从而获得95%的置信区间

#bind data togther

---

Modern\u EarlyHolocene您可以使用
layer\u数据（Modern\u EarlyHolocene\u plot，i）
访问反绘图数据，i对应于要返回的图层，按照添加到绘图的顺序
您有效地为每个时间段拟合了不同的回归线，因此您的glm必须包含一个交互项。应该是：

Modern_EarlyHolocene<-glm(Max_Height~Age*Time_period, data=Modern_EarlyHolocene)


要获得预测的se，请执行以下操作：

pred = predict(fit,iris,se.fit = TRUE)
df_pred = data.frame(iris,pred=pred$fit,se=pred$se)

我们可以对此进行绘制，预测的上下限为1.96*标准误差：

g2 = ggplot(df_pred,aes(x=Sepal.Length,y=Sepal.Width,color=Species)) +
geom_point( alpha = .7) + 
geom_ribbon(aes(ymin=pred-1.96*se,ymax=pred+1.96*se,fill=Species),alpha=0.1)

非常感谢，这很有帮助！然而，我问我是否可以提取/列出它用于确定置信区间的准确值？当您执行pred=predict（fit，iris，se.fit=TRUE）时，标准误差值以pred$se为单位+/-本se的1.96是置信区间的上限和下限。这些是ggplot2中用于确定置信区间的精确值，如我在上面的示例中所示。好吧，我明白了！不能将拟合对象指定给相同的名称。fitSE=预测（fit，现代_早更新世）$seSo标准误差是否与statsmooth产生的95%置信值相同？
fit = glm(Sepal.Width ~ Sepal.Length * Species,data=iris)
g1 = ggplot(iris,aes(x=Sepal.Length,y=Sepal.Width,color=Species)) +
geom_point( alpha = .7) + stat_smooth(method = "glm", level=0.95)

pred = predict(fit,iris,se.fit = TRUE)
df_pred = data.frame(iris,pred=pred$fit,se=pred$se)

g2 = ggplot(df_pred,aes(x=Sepal.Length,y=Sepal.Width,color=Species)) +
geom_point( alpha = .7) + 
geom_ribbon(aes(ymin=pred-1.96*se,ymax=pred+1.96*se,fill=Species),alpha=0.1)