R 如何绘制加权对数线性回归的置信区间？

我需要使用加权对数线性模型的指数形式绘制指数物种面积关系，其中每个位置/银行的平均物种数量（

sb$NoSpec.mean

）由每年物种数量的方差（

sb$NoSpec.var

）加权

我能够绘制拟合曲线，但在计算如何绘制此拟合的置信区间时遇到问题。以下是到目前为止我想到的最好的。有什么建议吗

# Data
df <- read.csv("YearlySpeciesCount_SizeGroups.csv")
require(doBy)
sb <- summaryBy(NoSpec ~ Short + Area + Regime + SizeGrp, df, 
                FUN=c(mean,var, length))

# Plot to fill
plot(S ~ A, xlab = "Bank Area (km2)", type = "n", ylab = "Species count",
     ylim = c(min(S), max(S)))
text(A, S, label = Pisc$Short, col = 'black')

# The Arrhenius model
require(vegan)
gg <- data.frame(S=S, A=A, W=W)
mloglog <- lm(log(S) ~ log(A), weights = 1 / (log10(W + 1)), data = gg)

# Add exponential fit to plot (this works well)
lines(xtmp, exp(predict(mloglog, newdata = data.frame(A = xtmp))),
      lty=1, lwd=2)

---

提前感谢您的帮助

这个问题可以不提供数据，因为：

• 据说OP的代码工作正常，所以没有“不工作”的地方
• 这个问题与统计程序更相关：什么是正确的做法

我会做一个简短的回答，因为我看到您在上次更新中在问题标题中添加了“已解决”。注：不建议在问题标题中添加此类关键字。如果问题解决了，请使用答案

---

严格来说，使用

1.96

是不正确的。你可以阅读详细信息。我们需要剩余自由度和t分布的0.025分位数

我想说的是，

predict.lm

可以为您返回置信区间：

pp <- data.frame(A = xtmp)
p <- predict(mloglog, newdata = pp, interval = "confidence")

现在，您可以轻松使用

matplot

生成漂亮的回归图：

matplot(xtmp, p, type = "l", col = c(1, 2, 2), lty = c(1, 2, 2))

---

请不要发布数据的图片。相反，使用调用

dput

的结果对数据的适当子集进行编辑。谢谢，Alistaire。下次我会记住dput的。

pp <- data.frame(A = xtmp)
p <- predict(mloglog, newdata = pp, interval = "confidence")

p <- exp(p)

matplot(xtmp, p, type = "l", col = c(1, 2, 2), lty = c(1, 2, 2))