Интервалы предсказания для индивидуальных значений отклика
Помимо интервальной оценки ожидаемого значения отклика, нередко требуется построить интервальную оценку для отдельных наблюдаемых значений. Формула предсказания остаётся той же, однако предсказанные точки рассеяны вокруг линии сильнее, поэтому стандартная ошибка оказывается больше.
Как и в случае интервала для ожидаемых средних значений, интервал для индивидуальных предсказанных значений уже в центре и шире на краях — это объясняется бо́льшей устойчивостью регрессионной прямой в центральной области. Обратите внимание: интервалы для средних значений отклика значительно уже, чем интервалы для индивидуальных значений.
Вы уже знакомы с функцией tidy() для извлечения информации на уровне коэффициентов и с augment() для информации на уровне наблюдений. Функция glance() завершает эту тройку, предоставляя информацию на уровне модели в целом.
Линейная регрессия доступна как model, а предсказания из предыдущего упражнения — как predictions.
Это упражнение является частью курса
Вывод для линейной регрессии в R
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
twins_sigma <- model %>%
# Get model-level information
___ %>%
# Pull out sigma
___
predictions %>%
# Calculate the std err of the predictions
mutate(std_err_of_predictions = ___)