预测刻画器 - 上限和下限 - 如何计算？各位专家您好，
我试图弄清楚如何在分类回归模型的预测刻画器上计算上限和下限。
以下是（白色、低密度、夜间）的模型和分析器快照：
要获得平均响应 0.305017，我们可以简单地将
0.4650093 + (-0.03985) + (-0.0513424) + (-0.0687996) = 0.305017
但 0.22501 和 0.38502 的下限/上限是如何计算的呢？
最初，我只是简单地总结了相应的标准差来找到响应的标准差，所以 -
0.0269889 + 0.0243968 + 0.0126292 + 0.0126749 = 0.0766898
然后乘以 z = 1.96
0.0766898 x 1.96 = 0.150312008
但从分析器来看，这个值要低得多：
0.38502 - 0.305017 = 0.080003
我还尝试查看上限和下限的公式，但由于某种原因无法显示它（我可以显示预测的响应公式）。
如果有人能指出我正确的方向，我将不胜感激，谢谢！
数据探索和可视化视窗回复：预测刻画器 - 上限和下限 - 如何计算？谢谢马克 - 非常感谢你在这件事上的专业知识，这是很好的信息 - 我们将继续寻找并希望找到它！
回复：预测刻画器 - 上限和下限 - 如何计算？除非您知道模型矩阵 X 中的所有列都不相关，否则不能使用参数估计的标准误差。 X`X 的对角元素是标准误差的平方，因此您可以从中构造对角矩阵，但非对角元素在此计算中很重要。 如果它们不等于零，它们可以做出很多贡献。 如果“估计的相关性”表出现在任何屏幕截图中，这些元素可能可用。
回复：预测刻画器 - 上限和下限 - 如何计算？感谢您的回复，马克，真的很感激！
我知道 CI 是根据数据计算出来的，但我应该提到我们实际上没有原始数据。 该模型来自几年前的一个项目，因此我们仍在尝试查找数据。 希望我们能够找到该集合并计算 CI。
我想知道是否有任何方法可以根据模型系数的标准差来估计 CI？ 现在我们只需要使用这些屏幕截图，因此我认为可能有一种方法可以仅根据效果表获取 CI。
我真的很感谢你的帮助 - 我已经做了很多搜索试图找出这个问题，但看起来在我们找到数据之前我们可能会运气不好。
回复：预测刻画器 - 上限和下限 - 如何计算？这些限制是预测平均响应的置信界限。 任何有关普通最小二乘回归的教科书都会解释这些极限的起源和计算。 这是计算的矩阵形式：
X0 是因子水平的向量。 X 是回归的模型矩阵。 西格玛是回归的均方根误差。 方差的平方根是标准误差。 将标准误差乘以 t 分布中的适当分位数。
