R语言中回归模型预测的不同类型置信区间应用比较分析

原创

拓端

修改于 2020-08-05 17:38:55

1K0

修改于 2020-08-05 17:38:55

文章被收录于专栏：拓端tecdat拓端tecdat

原文链接:http://tecdat.cn/?p=13913

我们讨论了使用程序来获得预测的置信区间的方法。我们将讨论线性回归。

> plot(cars)> reg=lm(dist~speed,data=cars)> abline(reg,col="red")> n=nrow(cars)> x=21> points(x,predict(reg,newdata= data.frame(speed=x)),pch=19,col="red")

我们正在这里做出一个预测。正如在R课堂上（以及在预测模型的过程中）所回顾的，当我们要为预测提供一个置信区间时，建议您为预测器确定置信区间（这将取决于预测误差）参数的估计）和潜在值的置信区间（这也取决于模型误差，即残差的离散度）。让我们从预测的置信区间开始:

abline(reg,col="light blue")points(x,predict(reg,newdata=data.frame(speed=x)),pch=19,col="blue")

蓝色值是可能的预测，可以通过在我们的观察数据库中重新采样获得。残差（以及因此的斜率和回归线的常数的估计值）的正态性假设下的置信区间（为90％）如下

lines(0:30,U[,2],col="red",lwd=2)lines(0:30,U[,3],col="red",lwd=2)

我们可以在这里比较在500个生成的数据集上获得的值的分布，并比较经验分位数和假设正态性下的分位数，

 polygon(c(D$x[I],rev(D$x[I])),c(D$y[I],rep(0,length(I))),col="blue",border=NA)

数量比较

      5%      95% 58.63689 70.31281        fit      lwr      upr65.00149 59.65934 70.34364

现在，让我们来看另一种类型的置信区间，即关注变量的可能值。这次，除了绘制新样本和计算预测值之外，我们还将在每次绘制中添加噪声，我们获得可能的值。

 points(x,Yx[s],pch=19,col="red")

同样，在这里，我们可以比较（以图形方式开始）通过重采样获得的值，以及在正常情况下获得的值，

 polygon(c(D$x[I],rev(D$x[I])),c(D$y[I],rep(0,length(I))),col="blue",border=NA)

从数字上给出以下比较

      5%      95% 44.43468 96.01357        fit      lwr      upr1 67.63136 45.16967 90.09305

这次右侧略有不对称。显然，我们不能假设高斯残差，因为正值比负值大。考虑到数据的性质（距离不能为负），这是合理的。

然后，我们开始讨论使用回归模型。

     [,1] [,2] [,3] [,4] [,5] [,6][1,] 3209 4372 4411 4428 4435 4456[2,] 3367 4659 4696 4720 4730   NA[3,] 3871 5345 5398 5420   NA   NA[4,] 4239 5917 6020   NA   NA   NA[5,] 4929 6794   NA   NA   NA   NA[6,] 5217   NA   NA   NA   NA   NA     [,1] [,2] [,3] [,4] [,5] [,6][1,] 3209 1163   39   17    7   21[2,] 3367 1292   37   24   10   NA[3,] 3871 1474   53   22   NA   NA[4,] 4239 1678  103   NA   NA   NA[5,] 4929 1865   NA   NA   NA   NA[6,] 5217   NA   NA   NA   NA   NA

然后，我们可以建立一个数据。

> head(base,12)      y   ai bj1  3209 2000  02  3367 2001  03  3871 2002  04  4239 2003  05  4929 2004  06  5217 2005  07  1163 2000  18  1292 2001  19  1474 2002  110 1678 2003  111 1865 2004  112   NA 2005  1> tail(base,12)    y   ai bj25  7 2000  426 10 2001  427 NA 2002  428 NA 2003  429 NA 2004  430 NA 2005  431 21 2000  532 NA 2001  533 NA 2002  534 NA 2003  535 NA 2004  536 NA 2005  5

然后，我们可以使用基于 Stavros Christofides的对数增量支付模型的回归模型，该模型基于对数正态模型，该模型最初由Etienne de Vylder于1978年提出。

Residuals:     Min       1Q   Median       3Q      Max -0.26374 -0.05681  0.00000  0.04419  0.33014 Coefficients:                  Estimate Std. Error t value Pr(>|t|)    (Intercept)         7.9471     0.1101  72.188 6.35e-15 ***as.factor(ai)2001   0.1604     0.1109   1.447  0.17849    as.factor(ai)2002   0.2718     0.1208   2.250  0.04819 *  as.factor(ai)2003   0.5904     0.1342   4.399  0.00134 ** as.factor(ai)2004   0.5535     0.1562   3.543  0.00533 ** as.factor(ai)2005   0.6126     0.2070   2.959  0.01431 *  as.factor(bj)1     -0.9674     0.1109  -8.726 5.46e-06 ***as.factor(bj)2     -4.2329     0.1208 -35.038 8.50e-12 ***as.factor(bj)3     -5.0571     0.1342 -37.684 4.13e-12 ***as.factor(bj)4     -5.9031     0.1562 -37.783 4.02e-12 ***as.factor(bj)5     -4.9026     0.2070 -23.685 4.08e-10 ***---Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.1753 on 10 degrees of freedom  (15 observations deleted due to missingness)Multiple R-squared: 0.9975,	Adjusted R-squared: 0.9949 F-statistic: 391.7 on 10 and 10 DF,  p-value: 1.338e-11        [,1]   [,2] [,3] [,4] [,5] [,6][1,] 2871.2 1091.3 41.7 18.3  7.8 21.3[2,] 3370.8 1281.2 48.9 21.5  9.2 25.0[3,] 3768.0 1432.1 54.7 24.0 10.3 28.0[4,] 5181.5 1969.4 75.2 33.0 14.2 38.5[5,] 4994.1 1898.1 72.5 31.8 13.6 37.1[6,] 5297.8 2013.6 76.9 33.7 14.5 39.3> sum(base$py[is.na(base$y)])[1] 2481.857

我们获得与通过Chain Ladder方法获得的结果略有不同。如Hachemeister和Stanard在1975年所建议的，我们还可以尝试Poisson回归（具有对数链接），

Deviance Residuals:     Min       1Q   Median       3Q      Max  -2.3426  -0.4996   0.0000   0.2770   3.9355  Coefficients:                  Estimate Std. Error z value Pr(>|z|)    (Intercept)        8.05697    0.01551 519.426  < 2e-16 ***as.factor(ai)2001  0.06440    0.02090   3.081  0.00206 ** as.factor(ai)2002  0.20242    0.02025   9.995  < 2e-16 ***as.factor(ai)2003  0.31175    0.01980  15.744  < 2e-16 ***as.factor(ai)2004  0.44407    0.01933  22.971  < 2e-16 ***as.factor(ai)2005  0.50271    0.02079  24.179  < 2e-16 ***as.factor(bj)1    -0.96513    0.01359 -70.994  < 2e-16 ***as.factor(bj)2    -4.14853    0.06613 -62.729  < 2e-16 ***as.factor(bj)3    -5.10499    0.12632 -40.413  < 2e-16 ***as.factor(bj)4    -5.94962    0.24279 -24.505  < 2e-16 ***as.factor(bj)5    -5.01244    0.21877 -22.912  < 2e-16 ***---Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for poisson family taken to be 1)    Null deviance: 46695.269  on 20  degrees of freedomResidual deviance:    30.214  on 10  degrees of freedom  (15 observations deleted due to missingness)AIC: 209.52Number of Fisher Scoring iterations: 4> round(matrix(base$py2,n,n),1)       [,1]   [,2] [,3] [,4] [,5] [,6][1,] 3155.7 1202.1 49.8 19.1  8.2 21.0[2,] 3365.6 1282.1 53.1 20.4  8.8 22.4[3,] 3863.7 1471.8 61.0 23.4 10.1 25.7[4,] 4310.1 1641.9 68.0 26.1 11.2 28.7[5,] 4919.9 1874.1 77.7 29.8 12.8 32.7[6,] 5217.0 1987.3 82.4 31.6 13.6 34.7> > sum(base$py2[is.na(base$y)])[1] 2426.985

该预测与通过链梯方法获得的估计量一致。Klaus Schmidt和AngelaWünsche于1998年在链梯，边际总和和最大似然估计中建立了带有最小偏差方法的链接。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

登录后参与评论

0 条评论

热度