您好 - 我正在尝试使用 jmp 计算线性回归线的标准差，我将该线性回归线用作预测模型。具体来说，对于每个新的（未来的）样本点，我希望在该点的回归结果上加上或减去一个标准差。我知道如何计算置信区间，但不知道如何计算标准差。一旦我了解如何进行此计算，我希望将其放入脚本中以自动生成结果并绘制随时间变化的图表。提前感谢！
非常感谢 txnelson。一旦我计算出基础统计数据，这个 jsl 将有所帮助。我很感激！
我认为 USGS 图可能是样本均值和标准差，而不是模型的预测均值和标准差。
任何模型都必须假设响应的方差。 例如，线性回归模型假设它是常数（与条件无关）。 许多常见的模型都做出了这个假设。 您说您使用的是线性回归，所以我假设它是常数并由 RMSE 估计。
谢谢马克。在我上面的示例图（屏幕截图）中，+/- 一个标准偏差范围大小波动围绕预测的（即回归的）ecoli 值。然而，RMSE 是固定的基于回归拟合的值。显然，我缺少一些东西。如示例图所示，在什么条件下，SD 的大小会随时间波动？（该情节来自美国地质调查局的网页，因此毫无疑问已经过全面审查。） https://www2.usgs.gov/water/southatlantic/ga/bacteria/#:~:text=coli)%20concentrations.-,E.,three%20stations%20within%20the%20CRNRA .
您不应该使用 Col Std Dev() 函数来计算关于该线的标准偏差。 此函数返回响应变化的无条件估计 SD。 我想你想要有条件的 SD。 此数量在回归报告的“拟合摘要”表中报告为 RMSE。 它以预测器为条件。
绘制的线来自预测值，因此它们将遵循您适合的任何回归时间。 选择在 col std dev 概率中使用的列是预测列
谢谢txnelson。我注意到您的示例显示了直线图。该脚本是否适用于我的回归公式预测的未来值？我的回归公式根据浊度（独立）预测 ecoli 的值（依赖），我正在尝试创建一个模型，在该模型中我使用未来的实时浊度值来预测 ecoli ..... 并显示 +/ 一个标准偏差。下面的情节是我的目标。
我不清楚的一件事是您示例中的“col std dev（：weight）”部分。我需要考虑正在计算什么标准开发。在我的例子中，它不会是混浊，也不会是生态。相反，它将是回归拟合的标准偏差，对吗？（我认为这将是斜坡的标准开发？）我很感激任何建议！
这是执行此操作的一种方法的示例
names default to here(1);
// Open Data Table: big class.jmp
// → Data Table( "big class" )
dt = Open( "/C:/Program Files/SAS/JMPPRO/14/Samples/Data/big class.jmp" );
biv = dt << Bivariate( Y( :Weight ), X( :Height ), invisible );
biv << fit line( {Save Predicteds} );
biv << close window;
// New column: Column 7
Data Table( "big class" ) << New Column( "Upper",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula(
:Predicted weight + Col Std Dev( :weight )
));
// New column: Column 8
Data Table( "big class" ) << New Column( "lower",
Numeric,
"Continuous",
Format( "Best", 12 ),Formula(
:Predicted weight - Col Std Dev( :weight )
)
);
Graph Builder(
Size( 528, 454 ),
Show Control Panel( 0 ),
Variables(
X( :height ),
Y( :Predicted weight ),
Y( :Upper, Position( 1 ) ),
Y( :lower, Position( 1 ) )
),
Elements(
Points( X, Y( 1 ), Y( 2 ), Y( 3 ), Legend( 12 ) ),
Smoother( X, Y( 1 ), Y( 2 ), Y( 3 ), Legend( 13 ) )
)
);
