基于公开线性回归结果计算置信区间与预测区间的方法咨询

步骤1：整理已知参数、推导基础统计量 #

通常公开的回归结果会给出以下参数：

• 截距估计值a1，标准误u(a1)
• 斜率估计值a2，标准误u(a2)
• 决定系数R²、p值，部分文献会直接给出样本量n或残差自由度df = n-2

首先推导计算所需的基础统计量：

1. 残差标准误s：由斜率标准误的定义可得 s = u(a2) * sqrt(SSx)，其中SSx为自变量x的离均差平方和。
2. 自变量均值x̄：如果文献给出了x的取值范围，可直接取范围中点作为近似值；如果没有给出，也可以通过截距标准误的公式反推：u(a1)² = s² * (1/n + x̄²/SSx)，结合s² = u(a2)² * SSx可简化计算。
3. 自由度df：如果未直接给出，可通过斜率的t统计量 t = a2/u(a2) 和公开的p值反查t分布得到；当样本量大于30时，可直接用标准正态分布分位数1.96（对应95%置信度）近似t分位数，误差很小。
4. 截距与斜率的协方差：一元线性回归下该值固定为 cov(a1,a2) = -x̄ * u(a2)²。

步骤2：计算目标x点的预测值 #

对任意需要计算区间的x取值x0，回归的预测均值为：
ŷ = a1 + a2 * x0

步骤3：计算置信区间 #

置信区间是对回归直线总体均值的区间估计，标准误计算公式为：
se_fit = sqrt( u(a1)² + x0² * u(a2)² + 2 * x0 * cov(a1,a2) )
95%置信区间的上下限为：
ŷ ± t(α/2, df) * se_fit

步骤4：计算预测区间 #

预测区间是对单个新观测值的区间估计，需要额外叠加残差的随机波动，标准误计算公式为：
se_pred = sqrt( se_fit² + s² )
95%预测区间的上下限为：
ŷ ± t(α/2, df) * se_pred

示例验证 #

用题目给出的参数验证x=1的情况，已知参数：a1=-1.28106、u(a1)=1.94918、a2=1.00484、u(a2)=0.03351、df=98、x̄=50.5、t(0.025,98)=1.9845

1. 预测值：ŷ = -1.28106 + 1.00484*1 = -0.27622，和示例结果一致
2. 协方差：cov(a1,a2) = -50.5*(0.03351)^2 ≈ -0.0567
3. 置信区间标准误：se_fit = sqrt(1.94918² + 1*0.03351² + 2*1*(-0.0567)) ≈1.92，置信区间为 -0.2762 ± 1.9845*1.92，即(-4.09, 3.53)，和示例结果完全匹配
4. 残差标准误s≈9.673，预测区间标准误se_pred≈9.86，预测区间为 -0.2762 ±1.9845*9.86，即(-19.85, 19.29)，和示例结果完全匹配

参数不全时的近似方案 #

如果无法获得n、x̄等信息，可采用以下近似方案，误差通常在可接受范围内：

• 样本量较大时（n>30），直接用1.96替代t分位数
• 无x的取值信息时，可假设cov(a1,a2)为0，此时计算的置信区间会略有高估
• 残差标准误s也可以通过R²和斜率的变异近似估算

内容的提问来源于stack exchange，提问作者JASC