personID<-c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26)
genger<-c('male', 'male', 'male', 'male', 'male', 'male', 'male', 'male', 'male', 'male', 'male', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female', 'female')
height<-c(181, 161, 198, 195, 177, 175, 197, 195, 198, 193, 161, 167, 132, 181, 165, 151, 163, 180, 169, 181, 177, 135, 143, 107, 161, 142)
weight<-c(165, 73, 90, 89, 80, 159, 179, 177, 180, 175, 73, 76, 60, 165, 150, 69, 148, 164, 154, 165, 161, 61, 130, 97, 146, 65)
data<-data.frame(personID, genger, height, weight)
data
我是R初学者。
我喜欢按性别(男性，女性(执行回归。
回归公式为权重 = 索尔普*高度 + 截距。
我确实在谷歌上搜索过，但我不明白几篇文章。
我想要的输出如下所示。
person_id gender height weight predict_value error
1 male 181 165 xxx xx
2 male 161 73 ... ...
3 male 198 90
4 male 195 89
5 male 177 80
6 male 175 159
7 male 197 179
8 male 195 177
9 male 198 180
10 male 193 175
11 male 161 73
12 female 167 76
13 female 132 60
14 female 181 165
15 female 165 150
16 female 151 69
如何按性别进行回归分析并添加预测和误差列？
任何帮助都将得到赞赏。
这是一种方法。您可以拆分数据，执行回归并使用 predict(( 查找置信区间，然后可以取消拆分以返回到原始结构。例如，使用您的测试数据并在示例数据中的"genger"(原文如此(列上进行拆分
unsplit(lapply(split(data, data$genger), function(x) {
m<-lm(weight~height, x)
cbind(x, predict(m, interval ="confidence"))
}), data$genger)
这返回
personID genger height weight fit lwr upr
1 1 male 181 165 124.17126 94.106766 154.23576
2 2 male 161 73 87.11321 29.280886 144.94554
3 3 male 198 90 155.67061 115.126629 196.21458
4 4 male 195 89 150.11190 113.707198 186.51660
5 5 male 177 80 116.75965 83.508504 150.01080
# etc...