days <- c(21, 24, 27, 30, 33, 36, 39, 42)
area <- c(18.4, 19.5, 21.3, 21.5, 23.2, 23.8, 24.7, 26)
q1 <- data.frame(days, area)
regressq1 <- lm(area~days,data=q1)
predb <- data.frame(days=10)
predict(regressq1, newdata = predb, interval = "confidence")
因此,根据我的理解,以上代码可以预测当天的值为10时面积的值,并为我提供相应的95%置信区间。我想做的是生成一些代码,告诉我在10天之内该区域的变化是什么,并生成相应的95%置信区间。我可以手动完成此操作,但我想知道是否有一些我不知道的R会使用predict()功能来做到这一点。
答案 0 :(得分:1)
由于它是线性模型,因此summary(regressq1)
中变量“天”的系数将为您提供“ 1天面积变化”的点估计量和CI。
获取“超过10天的区域变化”的得分估算器和CI的方法是:
days <- c(21, 24, 27, 30, 33, 36, 39, 42)/10
area <- c(18.4, 19.5, 21.3, 21.5, 23.2, 23.8, 24.7, 26)
q1 <- data.frame(days, area)
regressq1 <- lm(area~days,data=q1)
summary(regressq1)
这一次,变量“天”的系数将是10天内面积变化的点估计量。且点估计量的正负\ 1.96 * SE是更改的CI。