क्या कोई फ़ंक्शन या पैकेज है जो एलएम() से लौटाई गई ऑब्जेक्ट के लिए भविष्यवाणियों का अनुकरण करेगा?

Question

क्या कोई एकल कार्य है, "रनिफ़", "रेनोर्म" जैसा है और जैसे रैखिक मॉडल के लिए नकली भविष्यवाणियां उत्पन्न होंगी? मैं इसे अपने आप कोड कर सकता हूं, लेकिन कोड बदसूरत है और मुझे लगता है कि यह ऐसा कुछ है जो किसी ने पहले किया है।

sims = rlm(1000, fit, newX) 

कि समारोह y मूल्यों के 1000 सिमुलेशन, नई एक्स चर के आधार पर वापसी होगी:

slope = 1.5 
intercept = 0 
x = as.numeric(1:10) 
e = rnorm(10, mean=0, sd = 1) 
y = slope * x + intercept + e 
fit = lm(y ~ x, data = df) 
newX = data.frame(x = as.numeric(11:15)) 

क्या मैं में दिलचस्पी रखता हूँ एक समारोह है कि नीचे लाइन की तरह लग रहा है।

Answer 1

दिखा रहा है कि stats:::simulate.lm संशोधित करने के लिए गेविन सिम्पसन का सुझाव एक व्यवहार्य है।

## Modify stats:::simulate.lm by inserting some tracing code immediately 
## following the line that reads "ftd <- fitted(object)" 
trace(what = stats:::simulate.lm, 
     tracer = quote(ftd <- list(...)[["XX"]]), 
     at = list(5)) 

## Prepare the data and 'fit' object 
df <- data.frame(x=x<-1:10, y=1.5*x + rnorm(length(x))) 
fit <- lm(y ~ x, data = df) 
newX <- 8:1 

## Pass in new x-values via the argument 'XX' 
simulate(fit, nsim = 4, XX = newX) 
#  sim_1 sim_2  sim_3 sim_4 
# 1 8.047710 8.647585 7.9798728 8.400672 
# 2 6.398029 7.714972 7.9713929 7.813381 
# 3 5.469346 5.626544 4.8691962 5.282176 
# 4 4.689371 4.310656 4.2029540 5.257732 
# 5 4.628518 4.467887 3.6893648 4.018744 
# 6 2.724857 4.280262 2.8902676 4.347371 
# 7 1.532617 2.400321 2.4991168 3.357327 
# 8 1.300993 1.379705 0.1740421 1.549881 

काम करता है यही कारण है, लेकिन यह एक क्लीनर है (और उनसे बेहतर) दृष्टिकोण:

## A function for simulating at new x-values 
simulateX <- function(object, nsim=1, seed=NULL, X, ...) { 
    object$fitted.values <- X 
    simulate(object=object, nsim=nsim, seed=seed, ...) 
} 

## Prepare a fit object and some new x-values 
df <- data.frame(x=x<-1:10, y=1.5*x + rnorm(length(x))) 
fit <- lm(y ~ x, data = df)  
newX <- 8:1 

## Try it out 
simulateX(fit, nsim = 4, X = newX) 
#  sim_1 sim_2  sim_3  sim_4 
# 1 8.828988 6.890874 7.397280 8.1605794 
# 2 6.162839 8.174032 3.612395 7.7999466 
# 3 5.861858 6.351116 3.448205 4.3721326 
# 4 5.298132 4.448778 2.006416 5.7637724 
# 5 7.260219 4.015543 3.063622 4.2845775 
# 6 3.107047 4.859839 6.202650 -1.0956775 
# 7 1.501132 1.086691 -1.273628 0.4926548 
# 8 1.197866 1.573567 2.137449 0.9694006