Prediktionsintervall för enskilda responsvärden
Utöver ett intervallskattning för det förväntade medelvärdet av responsvariabeln vill man ofta också ha ett intervall för de faktiska enskilda responsvärdena. Formuleringen för prediktionen är densamma, men de predikterade punkterna varierar mer kring linjen, vilket ger ett större standardfel.
Precis som för intervallet kring de förväntade medelvärdena är intervallet för enskilda predikterade värden smalare i mitten och bredare i ytterändarna, eftersom regressionslinjen är mer stabil i centrum. Observera att intervallen för medelresponserna är betydligt smalare än intervallen för de enskilda responsvärdena.
Du har redan sett tidy() för att hämta information på koefficientnivå från en modell, och augment() för information på observationsnivå. glance() kompletterar trion genom att ge dig information på modellnivå.
Linjär regressionsmodellen finns som model och prediktionerna från föregående övning ges som predictions.
Den här övningen är en del av kursen
Inferens för linjär regression i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
twins_sigma <- model %>%
# Get model-level information
___ %>%
# Pull out sigma
___
predictions %>%
# Calculate the std err of the predictions
mutate(std_err_of_predictions = ___)