Cómo calcular los intervalos de confianza a partir de la función resumen de R?
Si se me proporciona una salida para un modelo de regresión lineal como este:
Llamada:
lm(formula = Cost ~ Age + I(Age^2))
Residuos:
Min 1Q Mediana 3Q Máx.
-371.76 -218.77 -70.16 141.97 541.08
Coeficientes:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 348.088 214.816 1.620 0.127
Age 103.003 181.969 0.566 0.580
I(Age^2) 4.713 29.248 0.161 0.874
Error estándar residual: 293.2 en 14 grados de libertad
R-cuadrado múltiple: 0.478, R-cuadrado ajustado: 0.4035
Estadístico F: 6.411 en 2 y 14 DF, valor p: 0.01056
¿Cómo podría calcular los intervalos de confianza solo en base a eso?
Básicamente, estoy buscando calcular lo siguiente de forma manual:
> confint(model.fit, level = 0.90)
5 % 95 %
(Intercept) -30.26946 726.44545
Age -217.50106 423.50653
I(Age^2) -46.80263 56.22808
davy.ai
Para calcular los intervalos de confianza para los coeficientes, se puede utilizar la distribución t y el error estándar de cada coeficiente. La fórmula para el intervalo de confianza es:
estimación del coeficiente +/- (valor t * error estándar * valor crítico)
El valor crítico depende del nivel de confianza deseado y los grados de libertad. Para un intervalo de confianza del 90% con 14 grados de libertad, el valor crítico es 1.761.
Utilizando esta fórmula, podemos calcular los intervalos de confianza para cada coeficiente:
Por lo tanto, los intervalos de confianza son (-30.27, 726.45) para la interceptación, (-217.50, 423.51) para Edad, y (-46.80, 56.23) para Edad^2.