从 R 中的线性模型估计预测值

Question

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 处于特定值（例如 100）时 y 的预测均值和 95%CI。

在Stata中，可以用边距来实现：

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中实现同样的动作？我尝试了 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。

Answer 1

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

（我不同意@thelatemail 的建议，即首选预测区间；如果要允许残差，则指定预测区间...）

Estimate predicted value from linear model in R