R语言使用bootstrap和增量法计算广义线性模型（GLM）预测置信区间

> r=glm(dist~speed,data=cars,family=poisson)> P=predict(r,type="response",+ newdata=data.frame(speed=seq(-1,35,by=.2)))> plot(cars,xlim=c(0,31),ylim=c(0,170))> abline(v=30,lty=2)> lines(seq(-1,35,by=.2),P,lwd=2,col="red")> P0=predict(r,type="response",se.fit=TRUE,+ newdata=data.frame(speed=30))> points(30,P1$fit,pch=4,lwd=3)

> summary(reg)cov.unscaled(Intercept)         speed(Intercept)  0.0066870446 -3.474479e-04speed       -0.0003474479  1.940302e-05&gt; V[,1]          [,2][1,]  0.0066871228 -3.474515e-04[2,] -0.0003474515  1.940318e-05</code></pre></div></div><p>根据这些值，很容易得出线性组合的标准偏差，</p><p>一旦我们有了标准偏差和正态性，就得出了置信区间，然后，取边界的指数，就得到了置信区间</p><div class="rno-markdown-code"><div class="rno-markdown-code-toolbar"><div class="rno-markdown-code-toolbar-info"><div class="rno-markdown-code-toolbar-item is-type"><span class="is-m-hidden">代码语言：</span>javascript</div></div><div class="rno-markdown-code-toolbar-opt"><div class="rno-markdown-code-toolbar-copy"><i class="icon-copy"></i><span class="is-m-hidden">复制</span></div></div></div><div class="developer-code-block"><pre class="prism-token token line-numbers language-javascript"><code class="language-javascript" style="margin-left:0">&gt; segments(30,exp(P2fit-1.96P2se.fit),+ 30,exp(P2fit+1.96P2se.fit),col=&#34;blue&#34;,lwd=3)</code></pre></div></div><p>基于该技术，置信区间不再以预测为中心。</p><figure class=""><div class="rno-markdown-img-url" style="text-align:center"><div class="rno-markdown-img-url-inner" style="width:86.99%"><div style="width:100%"><img src="https://cdn.static.attains.cn/app/developer-bbs/upload/1723367284295684586.png" /></div></div></div></figure><ul class="ul-level-0"><li><strong>增量法</strong></li></ul><p>实际上，使用表达式作为置信区间不会喜欢非中心区间。因此，一种替代方法是使用增量方法。我们可以使用一个程序包来计算该方法，而不是在理论上再次写一些东西，</p><div class="rno-markdown-code"><div class="rno-markdown-code-toolbar"><div class="rno-markdown-code-toolbar-info"><div class="rno-markdown-code-toolbar-item is-type"><span class="is-m-hidden">代码语言：</span>javascript</div></div><div class="rno-markdown-code-toolbar-opt"><div class="rno-markdown-code-toolbar-copy"><i class="icon-copy"></i><span class="is-m-hidden">复制</span></div></div></div><div class="developer-code-block"><pre class="prism-token token line-numbers language-javascript"><code class="language-javascript" style="margin-left:0">&gt; P1fit1155.4048se.fit18.931232residual.scale[1] 1

> exp(P2fit-1.96*P2se.fit)1138.8495> P1fit-1.96*P1se.fit1137.8996> exp(P2fit+1.96*P2se.fit)1173.9341> P1fit+1.96*P1se.fit1172.9101