Từ Details
phần trợ giúp
Tính toán được thực hiện bởi hàm chung dự đoán (hiện không có tài liệu) và các phương thức của nó. Đối với hầu hết các phương pháp, giới hạn tin cậy được tính bằng phương pháp dự đoán - các ngoại lệ là hoàng thổ sử dụng xấp xỉ dựa trên t và đối với glm khi khoảng tin cậy thông thường được xây dựng trên thang đo liên kết, sau đó được chuyển đổi trở lại thang đo phản hồi.
Vì vậy, dự đoán thường sẽ gọi stats::predict
, lần lượt sẽ gọi predict
phương thức đúng cho phương pháp làm mịn. Các chức năng khác liên quan đến stat_smooth cũng hữu ích để xem xét.
Hầu hết các chức năng phù hợp mô hình sẽ có predict
phương pháp liên quan đến class
mô hình. Chúng thường sẽ lấy một newdata
đối tượng và một đối số se.fit
sẽ biểu thị liệu các lỗi tiêu chuẩn sẽ được trang bị hay không. (xem ?predict
) để biết thêm chi tiết.
se
hiển thị khoảng tin cậy xung quanh mịn? (TRUE theo mặc định, xem mức độ để kiểm soát
Điều này được truyền trực tiếp đến phương thức dự đoán để trả về các lỗi tiêu chuẩn thích hợp (phụ thuộc vào phương thức)
fullrange
sự phù hợp sẽ bao trùm toàn bộ phạm vi của cốt truyện, hoặc chỉ dữ liệu
Điều này xác định các newdata
giá trị x
mà tại đó các dự đoán sẽ được đánh giá
level
mức độ tin cậy để sử dụng (0,95 theo mặc định)
Chuyển trực tiếp đến phương thức dự đoán để khoảng tin cậy có thể xác định giá trị tới hạn thích hợp (ví dụ: predict.lm
sử dụng qt((1 - level)/2, df)
cho các lỗi tiêu chuẩn được nhân với
n
số điểm để đánh giá mượt mà hơn tại
Được sử dụng cùng với fullrange
để xác định các x
giá trị trong newdata
đối tượng.
Trong một cuộc gọi đến, stat_smooth
bạn có thể xác định đâu se
là đối sánh một phần với se.fit
(hoặc se
) và sẽ xác định interval
đối số nếu cần. level
sẽ đưa ra mức độ của khoảng tin cậy (mặc định là 0,95).
Đối newdata
tượng được xác định trong quá trình xử lý, tùy thuộc vào cài đặt của bạn về fullrange
một chuỗi độ dài n
trong phạm vi đầy đủ của âm mưu hoặc dữ liệu.
Trong trường hợp của bạn, sử dụng rlm
, cái này sẽ sử dụng predict.rlm
, được định nghĩa là
predict.rlm <- function (object, newdata = NULL, scale = NULL, ...)
{
## problems with using predict.lm are the scale and
## the QR decomp which has been done on down-weighted values.
object$qr <- qr(sqrt(object$weights) * object$x)
predict.lm(object, newdata = newdata, scale = object$s, ...)
}
Vì vậy, nó được gọi nội bộ predict.lm
với một tỷ lệ thích hợp của qr
phân tách và scale
đối số.