Predikční intervaly pro individuální odpověď
Kromě intervalového odhadu střední hodnoty odpovědi je často žádoucí mít k dispozici i intervalový odhad pro skutečné individuální odpovědi. Vzorec pro predikci je stejný, ale predikované hodnoty jsou kolem přímky variabilnější, takže standardní chyba vychází vyšší.
Stejně jako u intervalu kolem průměrných hodnot odpovědi je i interval pro predikované individuální hodnoty uprostřed užší než na krajích – regresní přímka je totiž ve středu stabilnější. Všimni si, že intervaly pro průměrné odpovědi jsou výrazně užší než intervaly pro individuální odpovědi.
Už znáš funkci tidy() pro získání informací na úrovni koeficientů a augment() pro informace na úrovni pozorování. Trojici doplňuje glance(), která poskytuje informace na úrovni celého modelu.
Lineární regrese je k dispozici jako model a predikce z předchozího cvičení jako predictions.
Toto cvičení je součástí kurzu
Inference for Linear Regression in R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
twins_sigma <- model %>%
# Get model-level information
___ %>%
# Pull out sigma
___
predictions %>%
# Calculate the std err of the predictions
mutate(std_err_of_predictions = ___)