R 语言经典实例（原书第 2 版）

线性回归和方差分析

｜

349

如果预测变量数据包含多行，则每行都应有一个相应的预测值：

preds <- data.frame(

u = c(3.0, 3.1, 3.2, 3.3),

v = c(3.9, 4.0, 4.1, 4.2),

w = c(5.3, 5.5, 5.7, 5.9)

)

predict(m, newdata = preds)

#> 1 2 3 4

#> 43.8 45.0 46.3 47.5

这里要指出的是，新数据不需要包含响应变量的值，只有预测变量。毕竟，你正在尝试

计算

响应变量，因此希望你提供响应变量是不合理的。

11.19.4 另请参阅

本方法只是预测变量的点估计。有关预测值置信区间，请参见 11.20 节。

11.20 建立预测区间

11.20.1 问题

正在使用线性回归模型进行预测。你想知道预测值的区间，即预测值的分布范围。

11.20.2 解决方案

使用函数 predict 并设置参数 interval = "prediction"：

predict(m, newdata = preds, interval = "prediction")

11.20.3 讨论

这是 11.19 节的延续，它描述了将预测变量数据打包成一个数据框，然后调用函数

predict 进行预测。这里，添加参数 interval = "prediction" 以获得预测区间。

以下是 11.19 节中的示例，现在给出了预测区间。新的 lwr 和 upr 列分别是区间的下限

和上限：

predict(m, newdata ...