请求协助绘制贝叶斯Beta回归模型预测的可信区间（附代码数据）

没问题！我来帮你一步步搞定用zoib模型的预测结果绘制贝叶斯可信区间的事儿～先把你的代码补全，再结合ggplot2实现可视化：

你的pred.zoib调用没写完，我们先完整生成预测数据，再从MCMC预测样本里提取均值和可信区间的上下限：

library(ggplot2)
library(plotly)
library(zoib)
data("GasolineYield", package = "zoib")

# 拟合贝叶斯Beta回归模型
re.md <- zoib(yield ~ temp | 1 | 1, 
              data=GasolineYield, 
              joint = FALSE, 
              random=1, 
              EUID=GasolineYield$batch, 
              zero.inflation = FALSE, 
              one.inflation = FALSE, 
              n.iter=3200, 
              n.thin=15, 
              n.burn=200)

# 生成用于预测的温度序列（步长可以根据需求调整，这里用10方便演示）
new_temp <- seq(100, 600, by = 10)
new_data <- data.frame(temp = new_temp)

# 执行预测，返回所有MCMC抽样的预测值（核心是return.samples = TRUE）
pred_results <- pred.zoib(re.md, newdata = new_data, type = "response", return.samples = TRUE)

# 计算每个温度对应的预测均值、95%可信区间（2.5%和97.5%分位数）
pred_summary <- data.frame(
  temp = new_temp,
  pred_mean = apply(pred_results, 2, mean),
  pred_lower = apply(pred_results, 2, quantile, probs = 0.025),
  pred_upper = apply(pred_results, 2, quantile, probs = 0.975)
)

接下来把原始数据、预测均值线和可信区间都可视化出来，还可以转成交互式的plotly图：

# 绘制静态ggplot图
p <- ggplot() +
  # 绘制原始数据点，增加透明度避免重叠
  geom_point(data = GasolineYield, aes(x = temp, y = yield), alpha = 0.5, color = "#636EFA") +
  # 绘制预测均值线
  geom_line(data = pred_summary, aes(x = temp, y = pred_mean), color = "#EF553B", size = 1) +
  # 填充95%可信区间区域
  geom_ribbon(data = pred_summary, aes(x = temp, ymin = pred_lower, ymax = pred_upper), fill = "#EF553B", alpha = 0.2) +
  # 设置图表标签和主题
  labs(title = "汽油收率 vs 温度：贝叶斯Beta回归预测",
       x = "温度",
       y = "收率") +
  theme_minimal()

# 转成交互式plotly图（可选）
ggplotly(p)

• return.samples = TRUE是核心：这个参数让pred.zoib返回所有MCMC抽样的预测值，而不是只返回均值，这样我们才能通过分位数计算得到贝叶斯可信区间。
• 可信区间灵活调整：如果你需要其他置信水平的可信区间，只要修改quantile函数里的probs参数就行，比如改成c(0.1, 0.9)就能得到80%可信区间。
• 模型适配性：因为你关闭了零膨胀和一膨胀选项，这是标准的Beta回归，完美适配收率这类(0,1)区间的变量。

内容的提问来源于stack exchange，提问作者Krantz