如何使用简单线性回归预测新值 log(y)=b0+b1*log(x)
How to predict a new value using simple linear regression log(y)=b0+b1*log(x)
如何使用下面的 ml2 模型预测 body 的新给定值,并解释其输出(仅新预测输出,而非模型)
使用 MASS 包中的动物数据集构建简单的线性回归模型
ml2<-lm(log(brain)~log(body),data=Animals)
预测一个新的 body of 468
pred_body<-data.frame(body=c(468))
predict(ml2,new, interval="confidence")
fit lwr upr
1 5.604506 4.897498 6.311513
但我不太确定预测的 y(brain) =5.6 或 log(brain)=5.6?
如何才能得到与原始尺度相同的预测值?
使用公式 log(brain) ~ log(body)
,响应变量为 log(brain)
。因此,当您使用 predict()
进行预测时,您将获得 log(brain)
.
的拟合值和预测区间
要获得原始比例的相应结果,请执行
exp(predict(ml2,new, interval="confidence"))
如何使用下面的 ml2 模型预测 body 的新给定值,并解释其输出(仅新预测输出,而非模型)
使用 MASS 包中的动物数据集构建简单的线性回归模型
ml2<-lm(log(brain)~log(body),data=Animals)
预测一个新的 body of 468
pred_body<-data.frame(body=c(468))
predict(ml2,new, interval="confidence")
fit lwr upr
1 5.604506 4.897498 6.311513
但我不太确定预测的 y(brain) =5.6 或 log(brain)=5.6?
如何才能得到与原始尺度相同的预测值?
使用公式 log(brain) ~ log(body)
,响应变量为 log(brain)
。因此,当您使用 predict()
进行预测时,您将获得 log(brain)
.
要获得原始比例的相应结果,请执行
exp(predict(ml2,new, interval="confidence"))