predict函数 R_第四十讲 R-线性回归：预测模型及可信区间

线性回归的一个主要目标是基于一个或多个预测变量来预测结果值。（我们也用它来研究两个变量的相关性，同时校正其他混杂因素）。那么，当我们取得了预测模型后，根据该预测模型对新数据进行预测得出的预测值是什么？这个预测值的可信度如何呢？今天的讲解中，我们会给出答案。

1. 建立线性回归

我们首先建立一个简单的线性回归模型，该模型根据速度预测汽车的停车距离。

# 加载数据
data("cars", package = "datasets")
# 建立模型
model <- lm(dist ~ speed, data = cars)
model
## 
## Call:
## lm(formula = dist ~ speed, data = cars)
## 
## Coefficients:
## (Intercept)        speed  
##      -17.58         3.93

线性模型方程可写为：dist = -17.579 + 3.932*speed。

请注意，变量speed和dist的单位分别是mph和ft。

2. 对新数据集的预测

使用以上模型，我们可以预测新速度值的停车距离。

首先创建一个新的数据框&#x