Bootstrap pour les intervalles de prévision/prédiction

Bonjour,

Je cherche à utiliser une technique de bootstrap pour les intervalles de prévision/prédiction (non pas les intervalles de confiance) afin d'affiner mon modèle de régression linéaire multiple.
Y, X1 et X2 sont des variables numériques.

Code:

---

LinearModel.1 <- lm(Y ~ X1 + X2, data=Dataset)

---

Code:

---

summary(LinearModel.1)

---

Code:

---

predict(LinearModel.1, interval = "prediction")

---

J'obtiens les résultats suivants :

fit lwr upr
1 38774.82 19308.76176 58240.89
2 23473.52 3581.98855 43365.05
3 47638.02 27802.77386 67473.28
4 40561.23 20885.37152 60237.10
5 40052.23 20581.23928 59523.22
6 45350.39 24797.55766 65903.22
7 17577.33 -3055.85063 38210.50
8 44858.50 24476.16404 65240.83
9 49074.11 29446.03868 68702.19
10 54712.31 34797.56544 74627.06
11 20500.04 37.76331 40962.31
12 31081.89 10118.51465 52045.26
13 14005.14 -6285.55872 34295.83
14 57835.98 37562.74180 78109.22
15 69049.88 47998.07255 90101.68
16 50056.00 30348.07833 69763.93
17 14225.25 -7233.66218 35684.16
18 34939.20 15362.66772 54515.73
19 13077.82 -7280.29768 33435.94
20 26327.29 6083.15485 46571.42
21 59727.04 39487.63245 79966.45
22 29092.02 8483.79715 49700.24

Comment faire pour bootstrapper mes intervalles de prévision/prédiction ? J'ai cherché en vain un package. D'avance merci pour votre précieuse aide.

Salut,

Intuitivement, sans utiliser de package particulier, j'aurais relancé la régression n fois sur différents échantillonnages de la base, et conservé pour chaque observation le min et max des prévisions données par les n modèles.


Schéma du code:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

pred.min<-rep(NA,nrow(dataset)) pred.max<-rep(NA,nrow(dataset))   for(i in 1:n){ #n boostrap     s<-sample(1:nrow(dataset),size=N) #N taille des echantillonnages   reg<-lm(....,data=dataset[s])   tmp<-predict(....,newdata=dataset) pred.min<-pmin(tmp,pred.min) pred.max<-pmax(tmp,pred.max)   }

---

Tes intervalles de prévisions bootstrappés sont donnés pour chaque observation par pred.min et pred.max.

Bonsoir,

Super merci pour cet excellent code.

:lol:

Bonsoir,

Après maintes tentatives et quelques conseils je suis arrivé à ce code R ci-dessous afin d'établir mes intervalles de prévision bootstrappés.
Toutefois, même si le code R fonctionne (pas de message d'erreur), ce code R ne me permet pas d'obtenir les sorties que je souhaitais.

J'aurais aimé les mêmes sorties que voici :

fit lwr upr
1 38774.82 19308.76176 58240.89
2 23473.52 3581.98855 43365.05
3 47638.02 27802.77386 67473.28
4 40561.23 20885.37152 60237.10
5 40052.23 20581.23928 59523.22
6 45350.39 24797.55766 65903.22
7 17577.33 -3055.85063 38210.50
8 44858.50 24476.16404 65240.83
9 49074.11 29446.03868 68702.19
10 54712.31 34797.56544 74627.06
11 20500.04 37.76331 40962.31
12 31081.89 10118.51465 52045.26
13 14005.14 -6285.55872 34295.83
14 57835.98 37562.74180 78109.22
15 69049.88 47998.07255 90101.68
16 50056.00 30348.07833 69763.93
17 14225.25 -7233.66218 35684.16
18 34939.20 15362.66772 54515.73
19 13077.82 -7280.29768 33435.94
20 26327.29 6083.15485 46571.42
21 59727.04 39487.63245 79966.45
22 29092.02 8483.79715 49700.24

Est-ce possible d'obtenir les intervalles de prévision lwr et upr pour les 22 données ? Si oui, que dois-je modifier dans mon code ci-dessous ?

Code:

---

1 2 3 4 5 6

LinearModel.1 <- lm(GDP.per.head ~ Competitivness.score + Quality.score, data=Dataset) nr <- nrow(Dataset) ymat <- matrix(with(Dataset,sample(GDP.per.head,100*nr,rep=TRUE)), nrow =nr) out <- lm(ymat ~Competitivness.score + Quality.score,data=Dataset) b <-predict(out,interval="prediction") summary(b)

---

Merci pour votre aide.

Bonsoir,

J'ai essayé un autre code R ci-dessous, mais il ne fonctionne pas. Quelqu'un peut-il me dire ce qui ne joue pas ?

Code:

---

1 2 3 4 5 6 7 8

LinearModel.1 <- lm(GDP.per.head ~ Competitivness.score + Quality.score, data=Dataset) B <- 500 result <- array(dim = c(22, 3, B)) for(i in 1:B){ s <- sample(nrow(Dataset), 22, replace = TRUE) lm.tmp <- lm(GDP.per.head ~ Competitivness.score + Quality.score, data = Dataset[s, ]) result[,,i] <- predict(lm.tmp, interval = "prediction") }

---

Merci d'avance