예측
내 예상 모델은 ln^(yt)=9.873−0.472ln(xt2)−0.01xt3ln^(yt)=9.873−0.472ln(xt2)−0.01xt3\hat \ln(y_t)=9.873-0.472\ln(x_{t2})-0.01x_{t3} 및 일 때 평균에 대한 95 % 신뢰도에서 예측 CI를 찾아야합니다 . 우리가 생각하는 것 여기서 .y0y0y_0x02=250x02=250x_{02}=250x03=8x03=8x_{03}=8s2x0(XTX)−1xT0=0.000243952s2x0(XTX)−1x0T=0.000243952s^2 x_0(X^TX)^{-1}x_0^T=0.000243952x0=(250,8)x0=(250,8)x_0=(250,8) 전년도의 해결책이 있습니다. 나는 형태의 CI 찾을 수 있습니다 , 여기서 는 분포의 상한 사 분위 및 입니다. 이것은 나에게 준다 .CI(E[ln(y0)|x0])=[ln^(yt)−tα/2sE,ln^(yt)+tα/2sE]CI(E[ln(y0)|x0])=[ln^(yt)−tα/2sE,ln^(yt)+tα/2sE]\text{CI}(E[ln(y_0)|x_0])=\left[\hat\ln(y_t)-t_{\alpha/2}s_E,\hat \ln(y_t)+t_{\alpha/2}s_E\right]tttα/2α/2\alpha/2t(n−k)t(n−k)t(n-k)sE=0.000243952−−−−−−−−−−√sE=0.000243952s_E=\sqrt{0.000243952}[7.1563,7.2175][7.1563,7.2175][7.1563,7.2175] 그런 다음 저자는 합니다.CI(E[y0|x0])=[e7.1563,e7.2175]=[1282.158,1363.077]CI(E[y0|x0])=[e7.1563,e7.2175]=[1282.158,1363.077]\text{CI}(E[y_0|x_0])=[e^{7.1563},e^{7.2175}]=[1282.158,1363.077] …