Ggplot regresyonlar için güven aralıklarını nasıl hesaplar?

R çizim paketi ggplot2, ilişkili güven bandıyla bir regresyon çizgisini (veya eğri) çizmek için stat_smooth adında harika bir işleve sahiptir .

Ancak regresyon hattı (veya "yöntem") her zaman için, bu güven bandının tam olarak nasıl üretildiğini bulmakta zorlanıyorum. Bu bilgiyi nasıl bulabilirim?

Gönderen Detailsyardım bölümüne

Hesaplama (şu anda belgelenmemiş) predicff jenerik fonksiyonu ve yöntemleri ile yapılır. Çoğu yöntem için güven sınırları, tahmin yöntemi kullanılarak hesaplanır - istisnalar, t-temelli bir yaklaşım kullanan lös'tür ve normal güven aralığının bağlantı ölçeğinde oluşturulduğu ve daha sonra yanıt ölçeğine geri dönüştürüldüğü glm'dir.

Yani predtdf genellikle çağıracak stats::predictve bu predictda yumuşatma yöntemi için doğru yöntemi çağıracaktır . Stat_smooth'u içeren diğer işlevler de dikkate alınmalıdır.

Çoğu model uydurma işlevinin model predictile ilişkili bir yöntemi olacaktır class. Bunlar genellikle standart hataların eklenip eklenmeyeceğini gösteren bir newdatanesne ve bir argüman alır se.fit. ?predictDaha fazla ayrıntı için (bkz. ).

se
pürüzsüz etrafında güven aralığı görüntülemek? (Varsayılan olarak DOĞRU, kontrol edilecek seviyeye bakın

Bu, uygun standart hataları döndürmek için doğrudan tahmin yöntemine geçirilir (yönteme bağlı)

fullrange
uygunluk çizimin tüm aralığını veya yalnızca verileri kapsarsa

Bu , tahminlerin değerlendirileceği newdatadeğerleri tanımlarx

level kullanılacak güven aralığı aralığı (varsayılan olarak 0.95)

Güven aralığı (örneğin, uygun kritik değeri tanımlamak, böylece doğrudan geçirilen yöntem tahmin predict.lmkullanım qt((1 - level)/2, df)standart hataları ile çarpılmalıdır için

n daha düzgün değerlendirilecek nokta sayısı

Nesnedeki değerleri fullrangetanımlamak için ile birlikte kullanılır .xnewdata

Bir çağrı içinde stat_smoothTanımlayabileceğiniz sekısmen eşleştirilir budur se.fit(veya se) ve tanımlayacaktır intervalgerekirse argüman. levelgüven aralığının seviyesini verecektir (varsayılan 0.95).

newdataNesne oluşan bir ayarına bağlı olarak, işlem içinde tanımlanır fullrangeuzunlukta bir dizisi ile narsa veya veri geniş bir aralık içinde.

Senin durumunda, kullanarak rlm, bu kullanacaktır predict.rlmolarak tanımlanan,

predict.rlm <- function (object, newdata = NULL, scale = NULL, ...)
{
    ## problems with using predict.lm are the scale and
    ## the QR decomp which has been done on down-weighted values.
    object$qr <- qr(sqrt(object$weights) * object$x)
        predict.lm(object, newdata = newdata, scale = object$s, ...)
}

Bu yüzden dahili olarak ayrışma ve argümanın predict.lmuygun bir ölçeklendirmesi ile çağırıyor .qrscale