问题标签 [predict]

我最近切换到 R，我喜欢它。但我最怀念的一件事是能够生成预测模型响应，将某些变量保持在预设水平（平均值、第 90 个百分位数等）。当试图辨别交互项、转换变量等的影响时，这非常方便。

我可以使用该adjust命令在 Stata 中轻松完成此操作。我已经尝试并试图弄清楚如何在 R 中做到这一点，但是使用名为 R 的语言（也有统计 R）和搜索“调整”之类的术语的一大陷阱是我可以似乎只在调整后的 R 平方上找到命中。这令人沮丧。

所以，冒着问一个非常简单的问题的风险，有人知道怎么做吗？我研究了预测边距，这似乎至少是一种相关类型的方法，但它的实现通常涉及以某种方式标准化解释变量。

我试图通过将变量传递到模型 中来预测R使用该函数的值。predict()

我收到以下错误：

这是我data frame的名字df：

代码：

现在，当我运行时predict，我得到了上面显示的错误。

知道我哪里出错了吗？

谢谢

我今天早些时候发布了关于使用该predict功能时遇到的错误。我能够得到纠正，并认为我在正确的道路上。

我有许多观察结果（实际值），并且有一些我想推断或预测的数据点。我曾经lm创建一个模型，然后我尝试使用predict将用作预测器输入的实际值。

这段代码在我之前的帖子中都是重复的，但这里是：

代码：

预测代码（基于之前的帮助）：

（这些是我想用来获得预测值的预测值）

现在，当我运行它时，我收到以下错误消息：

我用来构建模型的原始数据框有 21 个观察值。我现在正在尝试根据模型预测 3 个值。

我要么不真正理解这个函数，要么我的代码有错误。

帮助将不胜感激。

谢谢

我想用 ggplot2 绘制一个模型。我已经估计了一个稳健的方差-协方差矩阵，我想在估计置信区间时使用它。

我可以告诉 ggplot2 使用我的 VCOV，或者，我可以以某种方式强制 predict.lm 使用我的 VCOV 矩阵吗？一个虚拟的例子：

如果给定我的增强 VCOV 矩阵，我可以得到“正确”的预测，那么添加到 ggplot 会相对容易。

我对 R 缺乏了解导致我在工作中停下来寻求您的帮助。我正在寻找从一些时间序列数据构建神经网络，然后使用单独的数据和经过训练的神经网络返回的模型来构建预测。

我创建了一个xts包含因变量nxtCl（一天的远期收盘价）和自变量（一组相应的价格和技术指标）。

我将其一分为xts二，一组是训练数据，另一组是测试/预测，它们分别是miData.train和miData.test。随后，我将这两个更改xts为缩放数据帧。

使用这个包nnet，我可以从训练数据中构建一个神经网络：

这个返回的公式对象的str()输出是：

然后，我尝试使用此模型运行预测函数，并使用以下函数nn将数据分开：miData.test

我收到以下错误：

运行我看到我terms.default的miData.test数据框没有任何属性：

但这就是预测不会运行的原因吗？

miData.test具有符合以下条件的名称nn：

而且，就结构而言，数据与最初用于构建的数据完全相同nn。我尝试将我自己的命名属性添加到miData.test，匹配的条款，nn但没有奏效。回报str()率：miData.test

在这种情况下开始工作的任何帮助或见解predict()将不胜感激。谢谢。

这是一些可重现的代码。在把它放在一起时，我已经“消除”了这个错误。不幸的是，虽然它现在有效，但我对之前导致问题的原因一无所知：

我有一个对数对数线性函数：

我想使用相同的数据集获得 y_hat，我做到了

结果似乎很多（与我在 R 中手动计算的 y-hat 进行比较）。

任何原因？

第二个相关问题是，我首先在原始数据集 mod_dt 中添加了三列，用于 y、x1 和 x2 的对数转换。比如说，它们被命名为 logy、logx1 和 logx2，然后我运行 lm：

这给出了一组不同的系数。

这可以通过这样做给出正确的 y-hat

提前谢谢了。

我有一个 GLM，family=binomial(link=logit) 模型，我在 predict() 函数中应用，如下所示。预测值超出零和 1，但我想将它们保留为概率。所以我使用了 binomial()$inverse 命令，然后可以在 apply 函数中使用该命令。

这在我第一次运行时工作得很好，但是在关闭 R 并重新启动后，我现在收到此错误：

我已经为此苦苦挣扎了好几个小时，因为这段代码通常可以工作。有谁知道我做错了什么？有没有更好的方法来做到这一点？

我的代码如下。我也尝试过其他变体，但无法正常工作。

我有 2 个数据框。一个是训练数据 ( pubs1)，另一个是 ( pubs2) 测试数据。我可以创建线性回归对象，但无法创建预测。这不是我第一次这样做，也不知道出了什么问题。

这里有什么我想念的吗？

我无法将黄土平滑加置信限拟合到残差散点图。

我的模型是身高~体重+胸围。为了检查胸围的线性度，我拟合了一个没有胸围的模型（即身高~体重），并绘制了这个模型的残差与胸围的关系。到现在为止还挺好。然后我尝试使用loess()并predict()绘制一条黄土线，加上置信限。结果看起来像这样（在图片中我只绘制了中心线，但 CI 线看起来一样）：

散点图中的黄土问题

这些点是正确的（当我将黄土拟合为看起来正确的点时），但由于某种原因，这条线没有按照我的预期绘制。我的代码如下：

希望你能帮忙。非常感谢，

垫

我正在生成一个带有外部回归器的 Arima 模型。假设我有n 个观察结果。包中的predict.Arima函数只是对n + 1次观察forecast进行预测。

我需要对n值（系列的最后一个值）进行预测，改变外部回归器的值，即，在给定外部回归器的特定值的情况下，我需要预测n观察值。

此代码生成模型，并显示如何生成预测。我可以控制提前设置参数的周期数n.ahead。

此代码将为该系列的下 4 个值生成预测。

我需要的是一个n.ahead=-1，即对系列内的值的预测，但具有不同的外部回归器。

如果我只使用一个外部回归器，那么任务并不复杂，因为因为它是一个加法模型，所以我可以将观察到的 xreg 值的差值乘以我想要的值乘以 xreg 的系数。但是，如果外部回归器的数量增加，它会变得更加复杂。

有什么方法可以预测不在 Arima 模型系列末尾的值？