다중선형회귀모형 미래반응치 예측.

주어진 계수를 이용하여 새 데이터에 대해 종속변수값을 예측한다.

predict_linear_regression(
  .fit,
  .new_data,
  .xvar,
  .ci_interval = 0,
  .pi_interval = 0
)

Arguments

.fit	회귀모형 추정 결과.
.new_data	새 관측 데이터 프레임.
.xvar	예측에 사용될 변수.
.ci_interval	평균반응치 신뢰구간. 0(default값)인 경우 신뢰구간을 구하지 않으며, 0 과 1 사이일 경우 (100 * .interval)%의 신뢰구간을 구한다.
.pi_interval	미래반응치 예측구간. 0(default값)인 경우 예측구간을 구하지 않으며, 0 과 1 사이일 경우 (100 * .interval)%의 예측구간을 구한다.

Value

애측값 데이터프레임.

Examples

data(biometric, package = "dmtr")
fit <- fit_linear_regression(biometric, weight, c(age, height))
predict_linear_regression(fit, biometric, c(age, height))
#> # A tibble: 10 × 1
#>    .pred
#>    <dbl>
#>  1  61.1
#>  2  66.8
#>  3  68.9
#>  4  54.4
#>  5  70.1
#>  6  69.1
#>  7  63.8
#>  8  62.1
#>  9  69.3
#> 10  68.2
predict_linear_regression(fit, dplyr::tibble(age = 40, height = 170),
  c(age, height), .ci_interval = 0.95)
#> # A tibble: 1 × 4
#>   .pred   .se .ci_lower .ci_upper
#>   <dbl> <dbl>     <dbl>     <dbl>
#> 1  67.4  1.01      65.0      69.8
predict_linear_regression(fit, dplyr::tibble(age = 40, height = 170),
  c(age, height), .pi_interval = 0.95)
#> # A tibble: 1 × 4
#>   .pred   .se .pi_lower .pi_upper
#>   <dbl> <dbl>     <dbl>     <dbl>
#> 1  67.4  1.01      60.7      74.1