最近Rに切り替えました。しかし、私が一番欠けていることの1つは、あらかじめ設定されたレベル（平均、90パーセンタイルなど）で特定の変数を保持する予測モデル応答を生成できることです。これは、相互作用用語や変換された変数などの効果を識別しようとすると非常に便利です。予測マージン/予測が変数を一定に保持するR
adjustコマンドを使用して簡単にこれを行うことができます。私はRでそれをする方法を見つけようと試みましたが、Rという名前の言語（統計的Rもあります）を使用し、「調整」のような用語を検索する大きな落とし穴の1つは、調整されたR 2乗でヒットしたように見えるだけです。それはイライラさを超えています。
本当に簡単な質問をする危険性があるので、誰でもこれを行う方法を知っていますか？私は予測マージンを見てきましたが、それは少なくとも関連するタイプのメソッドのように思えますが、その実装には通常説明変数を何らかの方法で標準化する必要があります。
あなたはRMS/Hmiscパッケージコンボにカプセル化されている記述されているタスクの一種。 Frank Harrellは著者であり、さまざまな出力テーブルを構築するときに彼の他の関数（通常のR回帰と解析演算の拡張バージョン）が使用するdatadistというデータ記述オブジェクトを作成します。私はあなたが "Hmisc-wheel"を再発明しているように思われるので、これについて言及します。もちろん、expand.gridのいくつかの組み合わせとpredictのnewdata=引数を組み合わせて独自のバージョンを構築することもできますが、必要でない可能性があります。フランクのR/S世界への他の重要な貢献は、彼の仕事の多くと高品質のデータ分析を実行する他の人の仕事を要約した "回帰モデリング戦略"のテキストをよく考えています。
最後に、私はrmsパッケージを使用して巻き上げました。それは合理的にうまくいく： 'datadist（dataset） - > ddst オプション（datadist = 'ddst'） 予測（モデル、var） - > myprediction' – Tom
モデルの予測を行うには、predict関数を使用します。たとえば、?predict.lmおよびexample(predict.lm)を参照してください。
上記の.lmビットは、S3クラスシステムの例です。この場合、「predict関数をクラスlmのオブジェクトに呼び出します」という意味です。すなわち、線形回帰の結果です。一般的なモデルのほとんどは独自のバージョンのpredictを使用して動作しますが（該当する場合）、すべてのモデルでサポートされているわけではありません。
http://www.stata.com/support/faqs/stat/adjust.htmlは、と述べている：調整実際に
、本当に
を予測するための単なるフロントエンドであり、それは予測のために新しいデータセットを作成することによって動作します。
Rのpredictは予測仮定を変えるために使用されますが、Stataのadjustほど簡単ではないかもしれません。 transformも興味があります。次の例を参照してください。
# create model
mtcars.lm <- lm(hp~disp*cyl,mtcars)
# default fit predictions
predict(mtcars.lm)
Mazda RX4 Mazda RX4 Wag Datsun 710 Hornet 4 Drive
128.60896 128.60896 80.25811 128.88296
Hornet Sportabout Valiant Duster 360 Merc 240D
208.48842 128.79069 208.48842 75.58796
Merc 230 Merc 280 Merc 280C Merc 450SE
76.29995 128.63021 128.63021 197.85671
Merc 450SL Merc 450SLC Cadillac Fleetwood Lincoln Continental
197.85671 197.85671 222.63037 221.11516
Chrysler Imperial Fiat 128 Honda Civic Toyota Corolla
218.58981 83.79391 84.15593 84.71104
Toyota Corona Dodge Challenger AMC Javelin Camaro Z28
78.79793 203.18519 201.41745 207.22575
Pontiac Firebird Fiat X1-9 Porsche 914-2 Lotus Europa
213.53912 83.75770 78.77380 81.81483
Ford Pantera L Ferrari Dino Maserati Bora Volvo 142E
207.35202 128.56702 201.03865 78.68933
# predict assuming all cars have 8 cylinders
predict(mtcars.lm,newdata=transform(mtcars,cyl=8))
Mazda RX4 Mazda RX4 Wag Datsun 710 Hornet 4 Drive
183.2349 183.2349 176.6690 195.6091
Hornet Sportabout Valiant Duster 360 Merc 240D
208.4884 191.4423 208.4884 181.5556
Merc 230 Merc 280 Merc 280C Merc 450SE
180.8106 184.1946 184.1946 197.8567
Merc 450SL Merc 450SLC Cadillac Fleetwood Lincoln Continental
197.8567 197.8567 222.6304 221.1152
Chrysler Imperial Fiat 128 Honda Civic Toyota Corolla
218.5898 172.9694 172.5906 172.0098
Toyota Corona Dodge Challenger AMC Javelin Camaro Z28
178.1969 203.1852 201.4174 207.2257
Pontiac Firebird Fiat X1-9 Porsche 914-2 Lotus Europa
213.5391 173.0073 178.2221 175.0402
Ford Pantera L Ferrari Dino Maserati Bora Volvo 142E
207.3520 181.3409 201.0386 178.3105
、あなたは便利な次のリンクを見つけるかもしれない：How to search for "R" materials?
ようこそ。モデル予測のコードは、実行しているモデルの種類によって多少異なる場合がありますので、その情報を知ることは有益でしょう。 –