这可能是一个绝对基本的问题，请原谅我。
假设我有以下回归输出
Call:
lm(formula = y ~ x1 + x2, data = fake)
Residuals:
Min 1Q Median 3Q Max
-2.9434 -0.6851 0.0231 0.6744 3.6313
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.130431 0.056489 -2.309 0.0211 *
x1 0.014597 0.003454 4.226 2.59e-05 ***
x2 -0.025518 0.062429 -0.409 0.6828
---
现在，我想根据新数据预测 y 。我对预测的错误特别感兴趣。
假设新观察到的数据集中有一行
x1 = 2
x2 = 0
y_pred的期望值为
y_pred = -0.1304 + 2 * 0.01460
...但是该预测的标准偏差是多少？我可以找出这个预测的95％CI吗？
特别是，我可以通过应用std来解决这些问题。错误beta_1两次，每增加一个单位一次，还是仅应用一次？
要添加的编辑：我没有原始数据，只是系数估计和SE ...因此无法使用矩阵代数进行计算。