Question

如果我的问题看起来非常简单或天真，我会提前道歉，但我试图理解函数simulate在概念上的作用（即，我对它的逻辑感兴趣，不管是否它适用于lm，lme等。）

假设我正在对以下数据进行简单的多元回归：

n <- 40

x1 <- rnorm(n, mean=3, sd=1)

x2 <- rnorm(n, mean=4, sd=1.25)

y <- 2*x1 + 3*x2 + rnorm(n, mean=2, sd=1)

mydata <- data.frame(x1, x2, y)

mod <- lm(y ~ x1 + x2, data=mydata)

应用于该案例时，simulate函数的作用是什么？所以，如果我这样做：

simulate(mod, nsim=2)

我获得的两个载体是什么？

本质上，它与做的相似：

replicate(2, y + rnorm(n=length(y), mean="some value", sd="some other value"))

如果它与那个逻辑类似，那么“某些价值”和“其他一些价值”会是什么？他们会mean(mod$residuals)和sd(mod$residuals)吗？还是实际残差的排列？或完全不同的东西？

或者它是在做一些完全不同的事情？

如果有人能够解释/确认simulate如何以简单的非技术术语运作，我们将不胜感激。

Answer 1

它基本上执行帮助文件所说的内容：＆＃39;模拟来自与拟合模型对象相对应的分布的一个或多个响应。＆＃39;

因此，对于每个模拟，从协变量条件下的结果变量的条件分布中获取随机抽取。默认情况下，此条件分布是lm中的正态分布。此正态分布的标准偏差对应于mod的MSE的sqrt。

下面的代码复制输出（假设您使用相同的种子）：

set.seed(1)
head(simulate(mod, nsim=2))

set.seed(1)
for(i in 1:nsim) {
  tmp <- predict(mod) + rnorm(length(predict(mod)), 0, summary(mod)$sigma)
  res <- if (i==1) tmp else cbind(res, tmp)
}
head(res)

从概念上讲，“模拟”功能如何运作？

1 个答案: