我和R和统计数据有点问题 .
我使用最大似然法拟合了一个模型,他给出了以下系数及其各自的标准误差(以及其他参数估计值):
ParamIndex Estimate SE
1 a0 0.2135187 0.02990105
2 a1 1.1343072 0.26123775
3 a2 -1.0000000 0.25552696
从我可以画出我的曲线:
y= 0.2135187 + 1.1343072 * x - 1 * I(x^2)
但是从那时起,我现在要计算这条曲线周围的置信区间,我不清楚如何做到这一点 .
显然,我应该使用传播或误差/不确定性,但我发现的方法需要原始数据,或者不仅仅是多项式公式 .
当用R知道估计值的SE时,有没有任何方法来计算我的曲线的CI?
谢谢您的帮助 .
Edit:
所以,现在,我使用函数 vcov
获得协方差表(v):
a0 a1 a2
a0 0.000894073 -0.003622614 0.002874075
a1 -0.003622614 0.068245163 -0.065114661
a2 0.002874075 -0.065114661 0.065294027
和 n = 279
.
1 回答
You don't have enough information right now. 要计算拟合曲线的置信区间,需要使用 a complete variance-covariance matrix 作为三个系数,但现在只有该矩阵的对角线条目 .
如果已经拟合了正交多项式,则方差 - 协方差矩阵是对角线的,具有相同的对角线元素 . 这肯定不是你的情况,因为:
您显示的
标准错误彼此不同;
您已明确使用原始多项式表示法:
x + I(x ^ 2)
它不是用于拟合模型的"raw data" . 它是"new data"你想要产生信心带 . 但是,您确实需要知道用于拟合模型的数据的数量,例如
n
,因为这是获得剩余自由度所必需的 . 在你的3个系数的情况下,这个自由度是n - 3
.一旦你有:
完全方差 - 协方差矩阵,让我们说
V
;n
,用于模型拟合的数据数量;点
x
的向量给出了产生置信带的位置,您可以先从以下方面获得预测标准误差:
你知道如何从拟合的多项式公式得到预测均值吗?假设平均值为
mu
,现在为95%-CI,使用一个完整的理论是How does predict.lm() compute confidence interval and prediction interval?
Update
根据您提供的协方差矩阵,现在可以生成一些结果和数字 .
假设我们想在
x = seq(-5, 5, by = 0.2)
生成CI: