-1

给定一个回归模型:

y = b0 + b1(x)

其中 x 和 y 都是连续的。

拟合模型后,我想估计当 x 处于某个值(例如 100)时 y 的预测均值和 95%CI。

在 Stata 中,可以通过边距来实现:

reg y x
margins, at (x = 100)

在 SAS 中,可以通过估算来完成:

proc glm;
model y = x / clparm solution;
estimate "Test x = 100" intercept 1 x 100;
run;

我的问题是:如何在 R 中实现相同的操作?我尝试了这个lsmeans包,但如果我的模型中没有任何分类变量,它似乎不起作用。

4

1 回答 1

1
predict(fit,newdata=data.frame(x=100),interval="confidence")

(我不同意@thelatemail 的建议,即首选预测间隔;如果您想允许残差,则指定预测间隔......)

于 2015-10-29T02:28:36.017 回答