Question

我有一个适合分组数据的线性模型，它生成一个lm类型的对象列表。我想使用这个线性模型来预测具有给定置信区间的给定x的y值。我想要一个变量w的独特预测。以下是包含示例数据的代码：

x<-c(.34,.355,.37,.385,.34,.355,.37,.385,.34,.355,.37,.385,.34,.355,.37,.385)
y<-c(40,35,28,25,42,36,29,25,44,37,26,23,46,37,33,27)
w<-c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4)
data<-data.frame(x,y,w)
ggplot(data=data,aes(x=x,y=log10(y),color=factor(w)))+
   geom_point(size=4)+
   geom_smooth(method=lm,aes(group=w,fill=factor(w)),fullrange=TRUE)+
   facet_wrap(~w,nrow=2)+
   scale_x_continuous(limit=c(.33,.5))
mod <- dlply(data, .(w), function(df) lm(log(y)~x, data = df))

我正在尝试使用函数预测，但它不适用于列表。所以我可以预测列表元素

newdata<-data.frame(x=.5)    
predict(mod[[1]],newdata,interval="confidence")

，它提供以下输出

     fit       lwr      upr
1 0.8476424 0.5981407 1.097144

但是，我希望能够对列表的每个元素应用预测。我尝试使用库nlme执行以下操作，但它没有给出置信区间。

library(nlme)

ll=lmList(log10(y)~x|w,data = data)
predict(ll,newdata,interval="confidence")

输出：

1         2         3         4 
0.8476424 0.8042928 0.5818862 0.8633285

我只是将ggplot2用于视觉辅助，但我需要置信区间边界的实际值来计算预测y变量的范围。

Answer 1

如果您想在列表的每个元素上apply，lapply（列表适用）是可行的方法：

do.call(rbind, lapply(mod, function(x) predict(x, newdata, interval="confidence")))

       fit       lwr      upr
1 1.951769 1.3772699 2.526268
1 1.851953 1.4852869 2.218618
1 1.339843 0.1453728 2.534312
1 1.987887 1.4446006 2.531174

所以使用lapply，我们运行我们的匿名函数predict(x, newdata, interval="confidence"))，其中x是mod的每个元素。 do.call将列表输出转换为更好的矩阵。

在置信区间使用lm列表上的预测

1 个答案: