r - 如何从 R 中的线性模型在特定 X 处生成随机 Y？

Question

假设我们有一个f1适合某些数据点x的线性模型：y

f1 <- lm(y ~ x,data=d)

如何使用R中的这种拟合在y新x值（与旧x值不同但在旧值范围内）生成新值？xf1

Answer 1

stats:::simulate.lm允许您从拟合的线性模型中进行采样lm（与@Bulat 的方法相反，它使用残差方差的无偏估计）。要模拟自变量的不同值，您可以像这样修改：

# simulate example data
x <- runif(20, 0, 100)
y <- 5*x + rnorm(20, 0, 10)
df <- data.frame(x, y)

# fit linear model
mod <- lm(y ~ x, data = df)

# new values of the independent variable
x_new <- 1:100

# replaces fitted values of the model object with predictions for new data,
mod$fitted.values <- predict(mod, data.frame(x=x_new)) # "hack" 

# simulate samples appropriate noise and adds it the models `fitted.values`
y_new <- simulate(mod)[, 1] # simulate can return multiple samples (as columns), we only need one

# visualize original data ...
plot(df)
# ... alongside simulated data at new values of the independent variable (x)
points(x_new, y_new, col="red")

（黑色为原始数据，红色为模拟数据）

Answer 2

我正在研究同样的问题。

简单来说，可以通过使用残差中的样本来完成：

mod <- lm(y ~ x, data = df)

x_new <- c(5) # value that you need to simulate for.
pred <- predict(mod, newdata=data.frame(x = x_new))
err <- sample(mod$residuals, 1)
y <- pred + err

有一个simulate(fit, nsim = 10, XX = x_new)功能，应该为你做。

Answer 3

您可以predict为此使用：

x <- runif(20, 0, 100)
y <- 5*x + rnorm(20, 0, 10)
df <- data.frame(x, y)
df
plot(df)

mod <- lm(y ~ x, data = df)

x_new <- 1:100
pred <- predict(mod, newdata=data.frame(x = x_new))
plot(df)
points(x_new, pred)