在为未来预测训练回归模型时考虑单个样本误差嗨 - 我正在做一个多元线性回归来预测生态。我的自变量是浊度和流量。我的因变量是ecoli。我正在训练基于 188 个浊度、流量和生态系统值的回归模型。然后我将使用未来的浊度和流量值来预测预期的生态值。
我的问题是这个。我如何解释训练数据集中的每个生态测量值（n = 188）由于与浊度和流量无关的测量变化而平均变化 16% 的事实。（也就是说，我收集了 188 个样本中的 29 个的大肠杆菌重复数据，平均变异性为 +/- 16%。）所以....用于训练回归模型的生态系统是不精确的。当我尝试使用我的回归结果来预测 ecoli 的未来值时，我该如何解释？
提前致谢！
分析其他回复：在为未来预测训练回归模型时考虑单个样本误差回归模型包括 Y 中的误差项（因变量）。 线性回归假设误差呈正态分布，均值为 0，标准差为常数（即，所有 Y 均相同）。 误差是通过模型和数据的残差来估计的。 上述假设允许回归合并残差并估计均方根误差。
您无需再执行任何操作来解释错误。
因此，预测响应将具有由预测均值的置信区间表示的不确定性。 更宽的区间代表单个观测位置的不确定性。
