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、女)执行回归。
回归公式为权重= solpe*高度 + 截距。
我用谷歌搜索了一些文章，但我不明白。
我想要的输出如下。
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？
如有任何帮助，我们将不胜感激。
最佳答案
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)
这会返回
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...
关于R - 如何按组进行回归并获取预测值？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/28756618/