predict() 函数 - 如何使用混合自变量（ln() & level）

Question

我的回归模型是这样的：

model <- lm(ln(y) ~ ln(x) + z + ln(t)*z, na.action=na.exclude, data = df )

这里我想用predict()进行预测，而不是用tidy()获取系数并用exp()手动计算。我应该如何构建我的预测函数以获得每次观察的水平基础 y。

Answer 1

你可以这样做：

df = data.frame(x=runif(10,1,10),y=runif(10,1,10),t=runif(10,1,10),z=runif(10,1,10))

model <- lm(log(y) ~ log(x) + z + log(t)*z, na.action=na.exclude, data = df )
base_y = predict(model,data=df)

输出：

       1        2        3        4        5        6        7        8        9       10 
1.273505 1.563740 1.426931 1.097606 1.462620 1.211534 1.808578 1.749929 1.698873 1.193925

希望对您有所帮助！

predict() 函数 - 如何使用混合自变量（ln() & level）

predict() function - How to use with mixed independent variables (ln() & level)

regression

r

prediction

predict