預測刻畫器 - 上限和下限 - 如何計算？各位專家您好，
我試圖弄清楚如何在分類回歸模型的預測刻畫器上計算上限和下限。
以下是（白色、低密度、夜間）的模型和分析器快照：
要獲得平均響應 0.305017，我們可以簡單地將
0.4650093 + (-0.03985) + (-0.0513424) + (-0.0687996) = 0.305017
但 0.22501 和 0.38502 的下限/上限是如何計算的呢？
最初，我只是簡單地總結了相應的標準差來找到響應的標準差，所以 -
0.0269889 + 0.0243968 + 0.0126292 + 0.0126749 = 0.0766898
然後乘以 z = 1.96
0.0766898 x 1.96 = 0.150312008
但從分析器來看，這個值要低得多：
0.38502 - 0.305017 = 0.080003
我還嘗試查看上限和下限的公式，但由於某種原因無法顯示它（我可以顯示預測的響應公式）。
如果有人能指出我正確的方向，我將不勝感激，謝謝！
數據探索和可視化視窗回复：預測刻畫器 - 上限和下限 - 如何計算？謝謝馬克 - 非常感謝你在這件事上的專業知識，這是很好的信息 - 我們將繼續尋找並希望找到它！
回复：預測刻畫器 - 上限和下限 - 如何計算？除非您知道模型矩陣 X 中的所有列都不相關，否則不能使用參數估計的標準誤差。 X`X 的對角元素是標準誤差的平方，因此您可以從中構造對角矩陣，但非對角元素在此計算中很重要。 如果它們不等於零，它們可以做出很多貢獻。 如果“估計的相關性”表出現在任何屏幕截圖中，這些元素可能可用。
回复：預測刻畫器 - 上限和下限 - 如何計算？感謝您的回复，馬克，真的很感激！
我知道 CI 是根據數據計算出來的，但我應該提到我們實際上沒有原始數據。 該模型來自幾年前的一個項目，因此我們仍在嘗試查找數據。 希望我們能夠找到該集合併計算 CI。
我想知道是否有任何方法可以根據模型係數的標準差來估計 CI？ 現在我們只需要使用這些屏幕截圖，因此我認為可能有一種方法可以僅根據效果表獲取 CI。
我真的很感謝你的幫助 - 我已經做了很多搜索試圖找出這個問題，但看起來在我們找到數據之前我們可能會運氣不好。
回复：預測刻畫器 - 上限和下限 - 如何計算？這些限制是預測平均響應的置信界限。 任何有關普通最小二乘回歸的教科書都會解釋這些極限的起源和計算。 這是計算的矩陣形式：
X0 是因子水平的向量。 X 是回歸的模型矩陣。 西格瑪是回歸的均方根誤差。 方差的平方根是標準誤差。 將標準誤差乘以 t 分佈中的適當分位數。
