如何使用简单的线性回归log(y)= b0 + b1 * log(x)预测新值 [英] How to predict a new value using simple linear regression log(y)=b0+b1*log(x)

问题描述

如何使用下面的ml2模型预测身体的新给定值并解释其输出(仅是新的预测输出，而不是模型)

How to predict a new given value of body using the ml2 model below, and interpret its output (new predicted output only, not model)

使用MASS软件包中的Animals数据集构建简单的线性回归模型

Using Animals dataset from MASS package to build a simple linear regression model

ml2<-lm(log(brain)~log(body),data=Animals)

预测新的给定主体为468

pred_body<-data.frame(body=c(468))

predict(ml2,new, interval="confidence")

       fit      lwr      upr
1 5.604506 4.897498 6.311513

但是我不确定y(脑)= 5.6或log(脑)= 5.6吗?

我们如何获得与原始比例相同的预测值?

推荐答案

对于公式log(brain) ~ log(body)，响应变量为log(brain).因此，当您使用predict()进行预测时，您将获得log(brain)的拟合值和预测间隔.

With a formula log(brain) ~ log(body), the response variable is log(brain). So when you make prediction using predict(), you get fitted values and prediction interval for log(brain).

要获得原始比例的相应结果，请

To get corresponding results on original scale, do

exp(predict(ml2,new, interval="confidence"))

这篇关于如何使用简单的线性回归log(y)= b0 + b1 * log(x)预测新值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！