R 功能是如何实现的；模拟；工作，概念上？

如果我的问题看起来过于简单或幼稚，我提前表示歉意，但我试图理解函数

simulate

在概念上的作用（即，我对它的逻辑感兴趣，与它是否应用于lm、lme等无关）

假设我正在对以下数据进行简单的多元回归：

n <- 40

x1 <- rnorm(n, mean=3, sd=1)

x2 <- rnorm(n, mean=4, sd=1.25)

y <- 2*x1 + 3*x2 + rnorm(n, mean=2, sd=1)

mydata <- data.frame(x1, x2, y)

mod <- lm(y ~ x1 + x2, data=mydata)

我得到的两个向量是什么

本质上，它是否类似于：

replicate(2, y + rnorm(n=length(y), mean="some value", sd="some other value"))

如果它与这种逻辑相似，那么“某些价值”和“某些其他价值”是什么？它们是

平均值（mod$residuals）

还是

sd（mod$residuals）

？还是实际残差的排列？或者完全是别的什么

还是它在做完全不同的事情

---

如果有人能用简单的、非技术性的术语解释/确认

simulate

的工作原理，我们将不胜感激。

它基本上实现了帮助文件所述的功能：“模拟与拟合模型对象对应的分布中的一个或多个响应。”

因此，对于每个模拟，从结果变量的条件分布中随机抽取一个变量，条件是协变量。此条件分布在

lm

中默认为正态分布。此正态分布的标准偏差对应于

mod

的MSE的sqrt

下面的代码复制了输出（假设您使用相同的种子）：

set.seed（1）
头部（模拟（mod，nsim=2））
种子（1）
对于（1:nsim中的i）{
tmp您可以使用
stats:：：simulate.lm
查看源代码。但是，由于这更多是关于统计概念的，我建议您使用over Stack Overflow。
replicate(2, y + rnorm(n=length(y), mean="some value", sd="some other value"))

set.seed(1)
head(simulate(mod, nsim=2))

set.seed(1)
for(i in 1:nsim) {
  tmp <- predict(mod) + rnorm(length(predict(mod)), 0, summary(mod)$sigma)
  res <- if (i==1) tmp else cbind(res, tmp)
}
head(res)