equacao de S.E. para regressao

Prezados UseRs, Usando o livro do Faraway (practical regression and anova using r) adaptei um trecho de código (abaixo) e consigo traçar um gráfico de modelo de regressão (reta) e com os intervalos de confiança (IC) da regressão. Com uso da função *predicit* eu obtenho os IC... Minha perguntinha é: Tem alguma formulazinha bonitinha e elegante para se obter esses *s.e.* da regressão tal como são bonitinhas e elegantes as formulazinhas de estimativas de coeficientes dos parâmetros e erros segundo OLS?? tipo: 1) b = ( X^t * X )^1 * X^t * y 2) Var( b ) = ( X^t * X )^1 * Var_residual 3) Algo do gênero de 1) e 2) ??? Agradeço pelo help com antecedência! Cleber ps.: vi uma formula mas é muita feia! ############ x <- rnorm( 100 ) y <- x + rnorm( 100, s=5 ) reg <- lm( y ~ x ) grid <- seq( -3, 3, 0.1 ) p <- predict( reg, data.frame( x=grid ), se=T ) IC <- cbind( p$fit - 1.96*p$se, p$fit, p$fit + 1.96*p$se ) matplot( grid, IC, lty=1, col=c(2,1,2), type="l", lwd=3 ) --- Este email foi escaneado pelo Avast antivírus. https://www.avast.com/antivirus

Use o recurso de procurar palavras do seu navegador e procure por "se.fit" dentro da página http://www.leg.ufpr.br/~walmes/cursoR/fiocruz/fiocruz05hipot.html. Basicamente, para obter o erro padrão de um valor predito, você faz sqrt(diag(L%*%V%*%t(L))) em que L é a matriz de coeficientes da função linear estimada, no caso X%*%beta, e V a matriz de covariância das estimativas dos parâmetros. No código eu uso decomposição de Cholesky porque é computacionalmente mais interessante. À disposição. Walmes.

Obrigado Walmes, Era exatamente isso que queria. abr cleber Em 09/11/2015 14:40, Walmes Zeviani escreveu:
Use o recurso de procurar palavras do seu navegador e procure por "se.fit" dentro da página http://www.leg.ufpr.br/~walmes/cursoR/fiocruz/fiocruz05hipot.html <http://www.leg.ufpr.br/%7Ewalmes/cursoR/fiocruz/fiocruz05hipot.html>. Basicamente, para obter o erro padrão de um valor predito, você faz |sqrt(diag(L%*%V%*%t(L)))| em que L é a matriz de coeficientes da função linear estimada, no caso X%*%beta, e V a matriz de covariância das estimativas dos parâmetros. No código eu uso decomposição de Cholesky porque é computacionalmente mais interessante.
À disposição. Walmes.
--- Este email foi escaneado pelo Avast antivírus. https://www.avast.com/antivirus
participantes (2)
-
Cleber Borges
-
Walmes Zeviani