R语言基于Bootstrap的线性回归预测置信区间估计方法

原文链接:http://tecdat.cn/?p=21625 

 

我们知道参数的置信区间的计算,这些都服从一定的分布(t分布、正态分布),因此在标准误前乘以相应的t分值或Z分值。但如果我们找不到合适的分布时,就无法计算置信区间了吗?幸运的是,有一种方法几乎可以用于计算各种参数的置信区间,这就是Bootstrap 法。

本文使用BOOTSTRAP来获得预测的置信区间。我们将在线性回归基础上讨论。

  1.    
  2.   > reg=lm(dist~speed,data=cars)
  3.   > points(x,predict(reg,newdata= data.frame(speed=x)))

R语言基于Bootstrap的线性回归预测置信区间估计方法

 

这是一个单点预测。当我们想给预测一个置信区间时,预测的置信区间取决于参数估计误差。

预测置信区间

让我们从预测的置信区间开始

  1.    
  2.   > for(s in 1:500){
  3.   + indice=sample(1:n,size=n,
  4.   + replace=TRUE)
  5.   + points(x,predict(reg,newdata=data.frame(speed=x)),pch=19,col="blue")
  6.    
  7.    

R语言基于Bootstrap的线性回归预测置信区间估计方法

蓝色值是通过在我们的观测数据库中重新取样获得的可能预测值。值得注意的是,在残差正态性假设下(回归线的斜率和常数估计值),置信区间(90%)如下所示:

predict(reg,interval ="confidence",

 

R语言基于Bootstrap的线性回归预测置信区间估计方法

在这里,我们可以比较500个生成数据集上的值分布,并将经验分位数与正态假设下的分位数进行比较,

  1.   > hist(Yx,proba=TRUE
  2.   > boxplot(Yx,horizontal=TRUE
  3.   > polygon(c( x ,rev(x I]))))

 

R语言基于Bootstrap的线性回归预测置信区间估计方法

可以看出,经验分位数与正态假设下的分位数是可以比较的。

  1.   > quantile(Yx,c(.05,.95))
  2.   5% 95%
  3.   58.63689 70.31281
  4.   + level=.9,newdata=data.frame(speed=x))
  5.   fit lwr upr
  6.   1 65.00149 59.65934 70.34364

感兴趣变量的可能值

现在让我们看看另一种类型的置信区间,关于感兴趣变量的可能值。这一次,除了提取新样本和计算预测外,我们还将在每次绘制时添加噪声,以获得可能的值。

  1.   > for(s in 1:500){
  2.   + indice=sample(1:n,size=n,
  3.   + base=cars[indice,]
  4.   + erreur=residuals(reg)
  5.   + predict(reg,newdata=data.frame(speed=x))+E

R语言基于Bootstrap的线性回归预测置信区间估计方法

 

在这里,我们可以(首先以图形方式)比较通过重新取样获得的值和在正态假设下获得的值,

  1.   > hist(Yx,proba=TRUE)
  2.   > boxplot(Yx) abline(v=U[2:3)
  3.   > polygon(c(D$x[I,rev(D$x[I])

R语言基于Bootstrap的线性回归预测置信区间估计方法

 

数值上给出了以下比较

  1.   > quantile(Yx,c(.05,.95))
  2.   5% 95%
  3.   44.43468 96.01357
  4.   U=predict(reg,interval ="prediction"
  5.   fit lwr upr
  6.   1 67.63136 45.16967 90.09305

这一次,右侧有轻微的不对称。显然,我们不能假设高斯残差,因为有更大的正值,而不是负值。考虑到数据的性质,这是有意义的(制动距离不能是负数)。

然后开始讨论在供应中使用回归模型。为了获得具有独立性,有人认为必须使用增量付款的数据,而不是累计付款。

可以创建一个数据库,解释变量是行和列。

  1.   > base=data.frame(
  2.   + y
  3.    
  4.   > head(base,12)
  5.   y ai bj
  6.   1 3209 2000 0
  7.   2 3367 2001 0
  8.   3 3871 2002 0
  9.   4 4239 2003 0
  10.   5 4929 2004 0
  11.   6 5217 2005 0
  12.   7 1163 2000 1
  13.   8 1292 2001 1
  14.   9 1474 2002 1
  15.   10 1678 2003 1
  16.   11 1865 2004 1
  17.   12 NA 2005 1

然后,我们可以从基于对数增量付款数据的回归模型开始,该模型基于对数正态模型

  1.    
  2.    
  3.   Coefficients:
  4.   Estimate Std. Error t value Pr(>|t|)
  5.   (Intercept) 7.9471 0.1101 72.188 6.35e-15 ***
  6.   as.factor(ai)2001 0.1604 0.1109 1.447 0.17849
  7.   as.factor(ai)2002 0.2718 0.1208 2.250 0.04819 *
  8.   as.factor(ai)2003 0.5904 0.1342 4.399 0.00134 **
  9.   as.factor(ai)2004 0.5535 0.1562 3.543 0.00533 **
  10.   as.factor(ai)2005 0.6126 0.2070 2.959 0.01431 *
  11.   as.factor(bj)1 -0.9674 0.1109 -8.726 5.46e-06 ***
  12.   as.factor(bj)2 -4.2329 0.1208 -35.038 8.50e-12 ***
  13.   as.factor(bj)3 -5.0571 0.1342 -37.684 4.13e-12 ***
  14.   as.factor(bj)4 -5.9031 0.1562 -37.783 4.02e-12 ***
  15.   as.factor(bj)5 -4.9026 0.2070 -23.685 4.08e-10 ***
  16.   ---
  17.   Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
  18.    
  19.   Residual standard error: 0.1753 on 10 degrees of freedom
  20.   (15 observations deleted due to missingness)
  21.   Multiple R-squared: 0.9975, Adjusted R-squared: 0.9949
  22.   F-statistic: 391.7 on 10 and 10 DF, p-value: 1.338e-11
  23.    
  24.   >
  25.   exp(predict(reg1,
  26.   + newdata=base)+summary(reg1)$sigma^2/2)
  27.    
  28.   [,1] [,2] [,3] [,4] [,5] [,6]
  29.   [1,] 2871.2 1091.3 41.7 18.3 7.8 21.3
  30.   [2,] 3370.8 1281.2 48.9 21.5 9.2 25.0
  31.   [3,] 3768.0 1432.1 54.7 24.0 10.3 28.0
  32.   [4,] 5181.5 1969.4 75.2 33.0 14.2 38.5
  33.   [5,] 4994.1 1898.1 72.5 31.8 13.6 37.1
  34.   [6,] 5297.8 2013.6 76.9 33.7 14.5 39.3
  35.    
  36.   > sum(py[is.na(y)])
  37.   [1] 2481.857

这与链式梯度法的结果略有不同,但仍然具有可比性。我们也可以尝试泊松回归(用对数链接)

  1.   glm(y~
  2.   + as.factor(ai)+
  3.   + as.factor(bj),data=base,
  4.   + family=poisson)
  5.    
  6.    
  7.   Coefficients:
  8.   Estimate Std. Error z value Pr(>|z|)
  9.   (Intercept) 8.05697 0.01551 519.426 < 2e-16 ***
  10.   as.factor(ai)2001 0.06440 0.02090 3.081 0.00206 **
  11.   as.factor(ai)2002 0.20242 0.02025 9.995 < 2e-16 ***
  12.   as.factor(ai)2003 0.31175 0.01980 15.744 < 2e-16 ***
  13.   as.factor(ai)2004 0.44407 0.01933 22.971 < 2e-16 ***
  14.   as.factor(ai)2005 0.50271 0.02079 24.179 < 2e-16 ***
  15.   as.factor(bj)1 -0.96513 0.01359 -70.994 < 2e-16 ***
  16.   as.factor(bj)2 -4.14853 0.06613 -62.729 < 2e-16 ***
  17.   as.factor(bj)3 -5.10499 0.12632 -40.413 < 2e-16 ***
  18.   as.factor(bj)4 -5.94962 0.24279 -24.505 < 2e-16 ***
  19.   as.factor(bj)5 -5.01244 0.21877 -22.912 < 2e-16 ***
  20.   ---
  21.   Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
  22.    
  23.   (Dispersion parameter for poisson family taken to be 1)
  24.    
  25.   Null deviance: 46695.269 on 20 degrees of freedom
  26.   Residual deviance: 30.214 on 10 degrees of freedom
  27.   (15 observations deleted due to missingness)
  28.   AIC: 209.52
  29.    
  30.   Number of Fisher Scoring iterations: 4
  31.    
  32.   > predict(reg2,
  33.   newdata=base,type="response")
  34.    
  35.   > sum(py2[is.na(y)])
  36.   [1] 2426.985

预测结果与链式梯度法得到的估计值吻合。克劳斯·施密特(Klaus Schmidt)和安吉拉·温什(Angela Wünsche)于1998年在链式梯度法、边际和最大似然估计中建立了与最小偏差方法的联系。


R语言基于Bootstrap的线性回归预测置信区间估计方法

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归,Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI,NRI指标

上一篇:如何美化 Matplotlib 3D坐标系


下一篇:Egret之P2物理引擎(测试)