估算R中线性模型的预测值

Question

给出一个回归模型：

y = b0 + b1（x）

其中x和y都是连续的。

在拟合模型后，我想估计当x处于某个值时的预测平均值和y的95％CI，例如100。

在Stata中，可以通过边距来实现：

reg y x
margins, at (x = 100)

在SAS中，可以通过估算完成：

proc glm;
model y = x / clparm solution;
estimate "Test x = 100" intercept 1 x 100;
run;

我的问题是：如何在R中实现相同的动作？我尝试了lsmeans软件包，但如果我的模型中没有任何分类变量，它似乎无效。

Answer 1

predict(fit,newdata=data.frame(x=100),interval="confidence")

（我不同意@ thelatemail的建议，预测间隔是首选的;如果你想允许剩余误差，则指定预测间隔......）