2

如帮助（predict.nls）中所说，当se.fit = TRUE时，应计算预测的标准误差。但是，我在下面的代码没有显示，而只是预测。

alloy <- data.frame(x=c(10,30,51,101,203,405,608,810,1013,2026,4052,6078,
                        8104,10130),
                    y=c(0.3561333,0.3453,0.3355,0.327453,0.3065299,0.2839316,
                        0.2675214,0.2552821,0.2455726,0.2264957,0.2049573,
                        0.1886496,0.1755897,0.1651624))
model <- nls(y ~ a * x^(-b), data=alloy, start=list(a=.5, b=.1))
predict(model, se=TRUE)

我的代码有什么问题？谢谢！

4

1 回答 1

5

没有。Description部分的最后一行?predict.nls说：

At present ‘se.fit’ and ‘interval’ are ignored.

也许包deltaMethod中的功能car会有所帮助。（library("sos"); findFn("{delta method} nls")...的结果）

更新：我第一次尝试时没有使用它car::deltaMethod。这是尝试使用包中的deltavar功能emdbook。这些attach()/detach()东西是一个可怕的黑客，但这是我可以快速开始工作的东西（with由于非标准评估，基于 - 的解决方案不起作用）。欢迎改进。）

 attach(alloy)
> deltavar(a*x^(-b),meanval=coef(model),Sigma=vcov(model))
 [1] 1.445018e-04 6.956934e-05 4.897363e-05 3.287949e-05 2.527709e-05
 [6] 2.379668e-05 2.487129e-05 2.626029e-05 2.762930e-05 3.300235e-05
[11] 3.933191e-05 4.317493e-05 4.588509e-05 4.795406e-05
> detach(alloy)

注意事项：

  • 这些是差异，而不是标准误差；
  • 这是一个 delta 方法近似，在强非线性或强非高斯误差的情况下可能不准确（我相信 Brian Ripley 过去曾说过，他认为 delta 方法近似对于一般用途来说不够可靠，但是他是个纯粹主义者）
  • 我还没有检查这是一个明智的答案
于 2012-09-14T13:53:48.770 回答