如何在R中使用回归模型找到点估计？
要使用R中的回归模型找到点估计，我们可以按照以下步骤操作-
首先，创建一个数据框。
然后，创建回归模型。
之后，定义我们想要找到点估计的值并使用预测函数来找到估计。
创建数据框
让我们创建一个数据框，如下所示-
例子
x1<-rnorm(20) y1<-rnorm(20) df<-data.frame(x1,y1) df
执行时，上述脚本生成以下内容output(thisoutputwillvaryonyoursystemduetorandomization)-
输出
x1 y1 1 0.53233256 -0.17433578 2 0.53362706 1.73778811 3 1.21038775 -1.02142344 4 -1.50504650 0.01770948 5 -0.55570505 0.91796585 6 1.01597916 0.88380869 7 0.21911440 1.34088517 8 1.21258700 1.14469629 9 -0.98170554 -1.04790911 10 -0.67748759 -1.16909492 11 0.00801995 -0.35320938 12 -1.04972030 1.35817346 13 -1.35385333 0.87222670 14 1.09276537 0.70046753 15 0.10064662 0.27685523 16 0.12231502 -0.26659197 17 0.83791912 -0.80416436 18 1.56681559 0.43084296 19 -1.13942633 1.19649376 20 0.84196501 0.28244014
创建回归模型
使用lm函数在x1和y1之间创建回归模型-
例子
x1<-rnorm(20) y1<-rnorm(20) df<-data.frame(x1,y1) Model<-lm(y1~x1) Model
输出
Call: lm(formula = y1 ~ x1) Coefficients: (Intercept) x1 0.317061 -0.008665
找到点估计
当x1为1.08时，使用预测函数找到y1的点估计-
例子
x1<-rnorm(20) y1<-rnorm(20) df<-data.frame(x1,y1) Model<-lm(y1~x1) new_data<-data.frame(x1=0.08) predict(Model,new_data)
输出
1 0.3163682