用R计算多项式预测误差的方法
首先,很抱歉重新发布,但我添加了一个示例代码来解释我的请求。 希望这更清楚 在使用“多项式”函数(软件包nnet)将多项式模型拟合到我的数据之后,我想展示所选变量控制其他变量值的效果。我知道“效果”包主要做我想要的,但我希望能够自己计算预测误差(置信区间)。 有人能告诉我方法吗?如果可能的话,还有R代码? 我认为我们应该使用delta方法,但我不确定在这种情况下如何应用它 下面是一个小示例代码(基于effects包中可用的数据)用R计算多项式预测误差的方法,r,prediction,multinomial,nnet,R,Prediction,Multinomial,Nnet,首先,很抱歉重新发布,但我添加了一个示例代码来解释我的请求。 希望这更清楚 在使用“多项式”函数(软件包nnet)将多项式模型拟合到我的数据之后,我想展示所选变量控制其他变量值的效果。我知道“效果”包主要做我想要的,但我希望能够自己计算预测误差(置信区间)。 有人能告诉我方法吗?如果可能的话,还有R代码? 我认为我们应该使用delta方法,但我不确定在这种情况下如何应用它 下面是一个小示例代码(基于effects包中可用的数据) 库(nnet) 图书馆(效果) mod除delta方法外,您可以使
库(nnet)
图书馆(效果)
mod除delta方法外,您可以使用vcov
从模型中获得方差/协方差矩阵,然后您可以创建具有正确变量的预测值的线性组合,以计算置信区间。这与predict.multinom
没有像predict.lm
@MrFlick这样的interval=
参数是一样的,谢谢你的建议!你能告诉我怎么实现吗?
library(nnet)
library(effects)
mod <- multinom(vote ~ age + gender, data=BEPS)
summary(mod)
# Call:
# multinom(formula = vote ~ age + gender, data = BEPS)
# Coefficients:
# (Intercept) age gendermale
# Labour 1.2241862 -0.01562320 0.1682676
# Liberal Democrat 0.4979706 -0.01551381 0.1240998
# Std. Errors:
# (Intercept) age gendermale
# Labour 0.2277826 0.003830006 0.1204621
# Liberal Democrat 0.2694373 0.004578836 0.1436882
# Residual Deviance: 3186.266
# AIC: 3198.266
plot(allEffects(mod))