在為未來預測訓練回歸模型時考慮單個樣本誤差嗨 - 我正在做一個多元線性回歸來預測生態。我的自變量是濁度和流量。我的因變量是ecoli。我正在訓練基於 188 個濁度、流量和生態系統值的回歸模型。然後我將使用未來的濁度和流量值來預測預期的生態值。
我的問題是這個。我如何解釋訓練數據集中的每個生態測量值（n = 188）由於與濁度和流量無關的測量變化而平均變化 16% 的事實。（也就是說，我收集了 188 個樣本中的 29 個的大腸桿菌重複數據，平均變異性為 +/- 16%。）所以......用於訓練回歸模型的生態系統是不精確的。當我嘗試使用我的回歸結果來預測 ecoli 的未來值時，我該如何解釋？
提前致謝！
分析其他回复：在為未來預測訓練回歸模型時考慮單個樣本誤差回歸模型包括 Y 中的誤差項（因變量）。 線性回歸假設誤差呈正態分佈，均值為 0，標準差為常數（即所有 Y 均相同）。 誤差是通過模型和數據的殘差來估計的。 上述假設允許回歸合併殘差並估計均方根誤差。
您無需再執行任何操作來解釋錯誤。
因此，預測響應將具有由預測均值的置信區間表示的不確定性。 更寬的區間代表單個觀測位置的不確定性。
