在R中从不同的数据帧创建一个表



使用我的数据(2个变量,Xt和Yt),我在R Commander中执行线性模型,命名为LinearModel.1

然后,我想预测当使用不同的Xt值时,Yt将获得的值,如在其95%的置信限内。

计算出线性模型后,我使用了这些命令:

> valoracalcular0=data.frame(Xt=0)
> valoracalcular10=data.frame(Xt=10)
> valoracalcular20=data.frame(Xt=20)
> valoracalcular30=data.frame(Xt=30)
> valoracalcular40=data.frame(Xt=40)
> valoracalcular50=data.frame(Xt=50)
> valoracalcular60=data.frame(Xt=60)
> valoracalcular70=data.frame(Xt=70)
> valoracalcular80=data.frame(Xt=80)
> valoracalcular90=data.frame(Xt=90)
> valoracalcular100=data.frame(Xt=100)
> predict(LinearModel.1,valoracalcular0,interval="confidence")
       fit     lwr      upr
1 89.20547 86.9144 91.49653
> predict(LinearModel.1,valoracalcular10,interval="confidence")
       fit      lwr      upr
1 93.83208 92.25312 95.41103
> predict(LinearModel.1,valoracalcular20,interval="confidence")
       fit      lwr    upr
1 95.46144 94.32788 96.595
> predict(LinearModel.1,valoracalcular30,interval="confidence")
       fit      lwr      upr
1 94.09356 93.12245 95.06466
> predict(LinearModel.1,valoracalcular40,interval="confidence")
       fit     lwr      upr
1 89.72843 88.7478 90.70905
> predict(LinearModel.1,valoracalcular50,interval="confidence")
       fit      lwr      upr
1 82.36605 81.36062 83.37148
> predict(LinearModel.1,valoracalcular60,interval="confidence")
       fit      lwr      upr
1 72.00643 71.03851 72.97435
> predict(LinearModel.1,valoracalcular70,interval="confidence")
       fit      lwr      upr
1 58.64956 57.77695 59.52217
> predict(LinearModel.1,valoracalcular80,interval="confidence")
       fit      lwr      upr
1 42.29544 41.46939 43.12149
> predict(LinearModel.1,valoracalcular90,interval="confidence")
       fit      lwr      upr
1 22.94408 21.90812 23.98004
> predict(LinearModel.1,valoracalcular100,interval="confidence")
        fit        lwr      upr
1 0.5954731 -0.9804254 2.171372 

我的问题是,我如何获得一个具有三列(fit, lwr, upr)及其所有预测的唯一表,而不是10个不同且独立的预测?

predict(LinearModel.1, data.frame(Xt = seq(0, 100, 10)), interval = "confidence")

相关内容

  • 没有找到相关文章

最新更新