Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/70.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
回归误差的置信区间R,_R_Prediction - Fatal编程技术网

回归误差的置信区间R,

回归误差的置信区间R,,r,prediction,R,Prediction,有人能解释一下我做错了什么吗。我想 找到变量的平均响应的置信区间 “list1.”R有一个使用“忠实”数据集的在线示例 很好。然而,每当我试图找到信心/预测时 间隔,我总是收到此错误消息。我已经做了5年了 几个小时,尝试了无数不同的事情,什么都不管用 > list1 <- c(1,2,3,4,5) #first data set > list2 <- c(2,4,5,6,7) # second data set &g

有人能解释一下我做错了什么吗。我想 找到变量的平均响应的置信区间 “list1.”R有一个使用“忠实”数据集的在线示例 很好。然而,每当我试图找到信心/预测时 间隔,我总是收到此错误消息。我已经做了5年了 几个小时,尝试了无数不同的事情,什么都不管用

 > list1 <- c(1,2,3,4,5)  #first data set
            > list2 <- c(2,4,5,6,7)   # second data set
            > frame <- data.frame(list1,list2) # made a data.frame object
            > reg <- lm(list1~list2,data=frame) # regression
            > newD = data.frame(list1 = 2.3) #new data input for confidence/prediction interval estimation
            > predict(reg,newdata=newD,interval="confidence") 
                fit         lwr      upr
        1 0.7297297 -0.08625234 1.545712
        2 2.3513514  1.88024388 2.822459
        3 3.1621622  2.73210185 3.592222
        4 3.9729730  3.45214407 4.493802
        5 4.7837838  4.09033237 5.477235
        Warning message:
        'newdata' had 1 row but variables found have 5 rows #Why does this keep happening??
>list1 list2 frame reg newD=data.frame(list1=2.3)#用于置信度/预测区间估计的新数据输入
>预测(reg,newdata=newD,interval=“confidence”)
安装lwr upr
1 0.7297297 -0.08625234 1.545712
2 2.3513514  1.88024388 2.822459
3 3.1621622  2.73210185 3.592222
4 3.9729730  3.45214407 4.493802
5 4.7837838  4.09033237 5.477235
警告信息:
“newdata”有1行,但找到的变量有5行#为什么这种情况一直发生??

问题在于,您试图传入一个新的独立变量进行预测,但该预测值的
名称与初始模型中的因变量相匹配。回归中的公式语法是
y~x
。使用
predict()
函数时,可以传递新的独立(x)变量。有关更多详细信息,请参阅
?predict
的详细信息部分

然而,这似乎是可行的:

newD2 = data.frame(list2 = 2.3) #note the name is list2 and not list1
predict(reg, newdata = newD2, interval = "confidence")
---
       fit       lwr    upr
1 0.972973 0.2194464 1.7265