R语言分段回归工资预测及年龄相关性阈值求解问询

直接构造仅包含age=30的新数据集，调用tidymodels内置的predict()方法即可完成预测，不需要额外调用extract系列函数，同时支持输出置信区间：

# 构造待预测数据集
new_data <- tibble(age = 30)

# 批量生成所有模型的预测结果
model_list <- list(pw3 = pw3_wf_fit, pw4 = pw4_wf_fit, pw5 = pw5_wf_fit, pw6 = pw6_wf_fit)
map_dfr(model_list, ~bind_cols(new_data, 
                               predict(.x, new_data), 
                               predict(.x, new_data, type = "conf_int")),
        .id = "model")

返回结果中.pred列就是对应模型下30岁人群的wage预测值，.pred_lower和.pred_upper分别为95%置信区间的上下限。

你用step_discretize做的是分箱阶跃回归，每个age分箱内的预测wage为固定均值，要找相关性最强的区间可以先提取分箱断点，再计算每个区间内age和wage的相关系数，取系数绝对值最大的区间左端点即可：

# 提取6断点分箱的所有分界值
pw6_breaks <- tidy(extract_recipe(pw6_wf_fit), number = 1) %>% 
  pull(value) %>% 
  as.numeric() %>% 
  sort()

# 给原始数据添加age分箱标签
Wage_with_bin <- Wage %>%
  mutate(age_bin = cut(age, breaks = c(-Inf, pw6_breaks, Inf)))

# 计算每个分箱内age与wage的皮尔逊相关系数
bin_corr <- Wage_with_bin %>%
  group_by(age_bin) %>%
  summarise(corr = cor(age, wage),
            min_age = min(age)) %>%
  arrange(desc(abs(corr)))

# 输出相关性最强区间的最小age值
bin_corr$min_age[1]

如果要判断相邻分箱的wage变化幅度最大的分界点，也可以直接提取模型系数，找绝对值最大的系数对应的分箱分界点：

# 提取pw6模型的回归系数
pw6_coef <- tidy(extract_fit_parsnip(pw6_wf_fit))
pw6_coef %>% arrange(desc(abs(estimate)))

内容的提问来源于stack exchange，提问作者tim