正如帮助(predict.nls)中所说，当se.fit=TRUE时，应该计算预测的标准误差。但是，我下面的代码不显示这一点，而仅显示预测。
alloy <- data.frame(x=c(10,30,51,101,203,405,608,810,1013,2026,4052,6078,
8104,10130),
y=c(0.3561333,0.3453,0.3355,0.327453,0.3065299,0.2839316,
0.2675214,0.2552821,0.2455726,0.2264957,0.2049573,
0.1886496,0.1755897,0.1651624))
model <- nls(y ~ a * x^(-b), data=alloy, start=list(a=.5, b=.1))
predict(model, se=TRUE)
我的代码有什么问题吗？谢谢!
最佳答案
什么都没有。 ?predict.nls 的 Description 部分的最后一行表示:
At present ‘se.fit’ and ‘interval’ are ignored.
也许car包中的deltaMethod函数会有所帮助。 (library("sos"); findFn("{delta method} nls") 的结果 ...)
更新:我第一次尝试时未能与 car::deltaMethod 配合使用。下面尝试使用 emdbook 包中的 deltavar 函数。 attach()/detach() 的东西是一个可怕的黑客，但它是我可以快速工作的东西(基于 with 的解决方案不起作用，因为非-标准评估)。欢迎改进。)
attach(alloy)
> deltavar(a*x^(-b),meanval=coef(model),Sigma=vcov(model))
[1] 1.445018e-04 6.956934e-05 4.897363e-05 3.287949e-05 2.527709e-05
[6] 2.379668e-05 2.487129e-05 2.626029e-05 2.762930e-05 3.300235e-05
[11] 3.933191e-05 4.317493e-05 4.588509e-05 4.795406e-05
> detach(alloy)
注意事项:
- 这些是方差，而不是标准误差；
- 这是一个 delta 方法近似，在强非线性或强非高斯误差的情况下可能不准确(我相信 Brian Ripley 过去曾说过，他认为 delta 方法近似对于一般情况来说不够可靠)使用，但他是一个纯粹主义者)
- 我尚未确认这是否是一个明智的答案
关于r - 当 se.fit=TRUE 时，Predict 无法显示预测的标准误差，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/12425920/