java求多项式回归_多项式回归的置信区间

You don't have enough information right now. 要计算拟合曲线的置信区间，需要使用 a complete variance-covariance matrix 作为三个系数，但现在只有该矩阵的对角线条目 .

如果已经拟合了正交多项式，则方差 - 协方差矩阵是对角线的，具有相同的对角线元素 . 这肯定不是你的情况，因为：

您显示的

标准错误彼此不同;

您已明确使用原始多项式表示法： x + I(x ^ 2)

但我发现的方法需要原始数据

它不是用于拟合模型的"raw data" . 它是"new data"你想要产生信心带 . 但是，您确实需要知道用于拟合模型的数据的数量，例如 n ，因为这是获得剩余自由度所必需的 . 在你的3个系数的情况下，这个自由度是 n - 3 .

一旦你有：

完全方差 - 协方差矩阵，让我们说 V ;

n ，用于模型拟合的数据数量;

点 x 的向量给出了产生置信带的位置，

您可以先从以下方面获得预测标准误差：

X

e

你知道如何从拟合的多项式公式得到预测均值吗？假设平均值为 mu ，现在为95％-CI，使用

## residual degree of freedom: n - 3

mu + e * qt(0.025, n - 3) ## lower bound

mu - e * qt(0.025, n - 3) ## upper bound

Update

根据您提供的协方差矩阵，现在可以生成一些结果和数字 .

V

0.068245163, -0.065114661, 0.002874075, -0.065114661, 0.065294027

), .Dim = c(3L, 3L), .Dimnames = list(c("a0", "a1", "a2"), c("a0",

"a1", "a2")))

假设我们想在 x = seq(-5, 5, by = 0.2) 生成CI：

beta

x

X

mu

e

n

lo

up

matplot(x, cbind(mu, lo, up), type = "l", col = 1, lty = c(1,2,2))