如何引导R中贝塔回归模型的预测和置信水平

我在R中运行一个贝塔回归模型，该模型基于一个定量预测变量（振幅=40,50,60,70）的比例数据。我已经能够从模型中得到40、50、60、70的比例预测，并绘制它

---

我从本网站和其他网站的研究中了解到，从贝塔回归模型获得预测的置信区间与其他模型不一样/不那么容易。我读过很多文章，为了获得贝塔回归模型的置信水平，从模型中引导预测是获得置信区间/带的一种方法（如其他文章中所述，例如Achim Zeileis在《线程：》中所述）。我的问题是，人们将如何进行这种增强，以从我在R中的模型中得到预测和预测的置信度？理想情况下，我希望得到振幅比例的预测值：40、50、60和70，并具有一定的置信度。我对引导相当陌生，因此如果有人了解如何从beta回归模型中引导预测和置信区间，那将非常好。

不确定您到底在寻找什么，但

引导

包可能会提供一个解决方案。下面是一个使用随机数据引导回归的玩具示例：

    library(boot)
    library(xts)
    set.seed(789)
    dat <- xts(matrix(rnorm(1200), nrow=240, ncol=5), 
               as.Date(c(seq(as.Date("1990/1/1"), by = "month", length.out = 240))))
    colnames(dat) <-c("A", "B", "C", "D", "E")

    function.1 <-function(formula, dat, x) {
      a <-dat[x,]
      output <-lm(formula, data=a)
      return(coef(output))
    }

    results <- boot(data=dat, 
                    statistic=function.1,
                    R=1000, 
                    formula=A ~ .)

    results.ci <-boot.ci(results, type="basic", index=2)

results

ORDINARY NONPARAMETRIC BOOTSTRAP

Call:
boot(data = dat, statistic = function.1, R = 1000, formula = A ~ 
    .)


Bootstrap Statistics :
       original        bias    std. error
t1* -0.06716150  0.0029368176  0.06517814
t2* -0.04582073 -0.0050721571  0.07658141
t3*  0.14324494  0.0010631253  0.06500446
t4*  0.06771263 -0.0028811702  0.06247530
t5*  0.05620244  0.0005347628  0.06102209

results.ci
BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 1000 bootstrap replicates

CALL : 
boot.ci(boot.out = results, type = "basic", index = 2)

Intervals : 
Level      Basic         
95%   (-0.1960,  0.1015 )  
Calculations and Intervals on Original Scale

库（启动）
图书馆（xts）
种子（789）
dat您能否编辑您的问题以添加一个小示例？您可能会在正在使用的R函数的帮助页面底部找到一个示例。请同时添加您正在使用的所有软件包。我的疏忽已经纠正，Imo 40。