predict（）函数 - 如何使用混合自变量（ln（）＆amp; level）

Question

我的回归模型如下：

App\Providers\MailConfigServiceProvider::class,

在这里，我想使用model <- lm(ln(y) ~ ln(x) + z + ln(t)*z, na.action=na.exclude, data = df ) 进行预测，而不是使用predict()获取系数，并使用tidy()手动进行计算。我应该如何构建我的预测函数以获得每次观察的等级y。

Answer 1

你可以这样做：

df = data.frame(x=runif(10,1,10),y=runif(10,1,10),t=runif(10,1,10),z=runif(10,1,10))

model <- lm(log(y) ~ log(x) + z + log(t)*z, na.action=na.exclude, data = df )
base_y = predict(model,data=df)

输出：

       1        2        3        4        5        6        7        8        9       10 
1.273505 1.563740 1.426931 1.097606 1.462620 1.211534 1.808578 1.749929 1.698873 1.193925 

希望这有帮助！