R新样本平均值的预测区间

给定从一个数据集创建的回归模型，我一直在使用WinBUGS围绕第二个数据集的平均值构建预测区间（PI）。我刚刚在R中发现了“predict”函数，但它在第二个数据集中围绕每个预测值传递PI。我在这里和网上搜索了R帮助，只找到了单独成员的间隔

这些时间间隔的平均值显然和预测样本平均值周围的PI不同（我已经根据WinBUGS得到的值对其进行了测试）

---

如何让R给出平均值周围的PI

以前有一个R

mean.data.frame

函数，但它被弃用，然后被删除。您可以通过以下方式获得相同的结果：

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

---

我之所以说“可能”，是因为您没有提供数据集来测试这一点，而我认为提供这些数据集是您的责任。我不知道这是复制JMP方法还是WinBUGS方法。

什么样的模型？用于拟合R中模型的示例代码？我使用带有多个索引变量的直线线性回归以及对数回归来给出y=ax^b的关系jip。第一种情况的代码是：对不起，不习惯这个过程，也不在有代码的PC上，而是来自内存：zmodelThanks，DWin。我去看看，试试看。我很高兴你们能看到我对JMP的引用，因为它已经从我的屏幕上消失了——但这可能是用户错误。我对使用这个或任何论坛都是新手。你好，彼得温，谢谢你的建议。我已经看过你建议的代码，我相信这不是答案。“lappy”语句返回数据帧中每列平均值的向量。将其提供给“预测”将返回单个实体周围的PI，该实体恰好由这些方法组成。我非常希望能够在R中获得一个PI，它（95%）可能包含平均预测响应，给定一个由n个项目组成的新数据集。这是JMP和WinBUGS允许我做的。（注意：这不是n个独立PI的平均值。）关于皮特，它可能是

平均值（预测（拟合，新数据=dfrm））+c（-1.96,1.96）*sd（预测（拟合，新数据=dfrm））

。（我们不是这里的JMP用户，只有极少数人是WinBUGS用户。）这些是伪CI还是伪PI的问题仍然悬而未决。还要注意：上述建议假设了一个相当大的样本，“组PI”对于小样本应该更宽，因为t统计量应该更高，SD将乘以

sqrt（1+1/n）

。（您仍然没有提供任何数据，甚至没有很好地描述任务的实际外观。）

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