Voorspellingsintervallen voor de individuele respons
Naast een intervalschatting voor de verwachte waarde van de respons, wil je vaak ook een intervalschatting voor de daadwerkelijke individuele responsen. De formule voor de voorspelling is hetzelfde, maar de voorspelde punten variëren meer rond de lijn, waardoor de standaardfout groter uitvalt.
Net als bij het interval rond de verwachte gemiddelde waarden is het interval voor voorspelde individuele waarden in het midden kleiner dan aan de randen, omdat de regressielijn in het centrum stabieler wordt geschat. Let op dat de intervallen voor de gemiddelde responsen veel smaller zijn dan die voor de individuele responsen.
Je hebt tidy() al gezien om informatie op coëfficiëntniveau uit een model te halen, en augment() voor informatie op observatieniveau. glance() maakt het trio compleet en geeft je informatie op modelniveau.
De lineaire regressie staat in model en de voorspellingen uit de vorige oefening zijn gegeven als predictions.
Deze oefening maakt deel uit van de cursus
Inferentie voor lineaire regressie in R
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
twins_sigma <- model %>%
# Get model-level information
___ %>%
# Pull out sigma
___
predictions %>%
# Calculate the std err of the predictions
mutate(std_err_of_predictions = ___)