黄土预测值和标准差

Question

我有数据散点图（x 和 y 值）。我想计算加权平均值和标准偏差作为 X 的函数。对于我的每个点，我想计算每个值与预测值之间的标准偏差数。我目前正在使用 msir 包中的 loess.sd 函数，因为它会为我计算 sd。有谁知道我如何获得每个数据点的预测标准差？或者也许有替代或更好的方法来解决这个计算？提前致谢。

我当前的代码：

#... scatter plot of data
plot(xy,ylim=c(0,50),pch=20)
#loess +- 1 sd
std_loess = loess.sd(xy, nsigma =1,span=0.3)
# ... add weighted average to plot
lines(std_loess$x,std_loess$y,col="firebrick2")
# .... add weighted sd to plot
lines(std_loess$x,std_loess$y,col="firebrick2")
#.... get observed data points
lines(std_loess$x,std_loess$upper,col="dodgerblue2")
# ... get expected value for each data point
obs = xy[,2]
# ... get predicted sd for each data point
expected = predict(std_loess$model,data.frame(xy))  
# ...get predicted sd for each data point

exp_sd = ??????????????????

# ...get predicted sd for each data point
sd_away = (obs - expected) / exp_sd

Answer 1

可能（但在没有数据的情况下未经测试）：

exp.fit = expected$fit
# ...get predicted sd for each data point
sd_away = (obs - exp.fit) / expected$se

predict.loess 的结果不是一个向量，而是一个包含多个分量的列表，并且预测值在“拟合”分量中。