R语言多元线性回归预测区间为何返回多行结果？

为什么返回300多行结果？ #

你的代码中newdata = data直接复制了整个原始数据集，随后对每一行的educ加3。predict()函数会对newdata中的每一行观测值单独生成预测区间，因此返回结果的行数和原数据集完全一致（300多行）。

如何获取单一预测区间？ #

要得到单一的预测区间，你需要创建一条代表目标场景的单行数据：将其他自变量设置为参考值（比如数值型变量取均值、分类变量取众数，或你关注的特定取值），仅将educ在参考值基础上加3，再传入predict()函数。

示例代码 #

# 1. 生成各变量的参考值：数值型取均值，分类变量取众数
ref_data <- data.frame(
  educ = mean(data$educ, na.rm = TRUE),
  age = mean(data$age, na.rm = TRUE),
  gdhlth = names(which.max(table(data$gdhlth))),
  smsa = names(which.max(table(data$smsa))),
  union = names(which.max(table(data$union))),
  selfe = names(which.max(table(data$selfe))),
  marr = names(which.max(table(data$marr))),
  yrsmarr = mean(data$yrsmarr, na.rm = TRUE),
  yngkid = names(which.max(table(data$yngkid)))
)

# 2. 将educ加3，得到单行的新数据
newdata_single <- ref_data
newdata_single$educ <- newdata_single$educ + 3

# 3. 生成单一99%预测区间
predict(reg5, newdata = newdata_single, interval = 'prediction', level = 0.99)

补充：区分预测区间与平均效应置信区间 #

如果你想了解的是educ增加3对sleep的平均影响的区间（而非单个观测的预测区间），可以直接提取回归系数并计算置信区间：

# 获取educ系数的99%置信区间，乘以3得到增加3的平均效应区间
confint(reg5, "educ", level = 0.99) * 3

• 预测区间：针对单个特定观测的sleep取值范围，包含随机误差，区间更宽
• 平均效应置信区间：针对总体上educ每增加3时sleep的平均变化的估计范围，仅包含估计误差

内容的提问来源于stack exchange，提问作者Zora Kuang