Tengo algunas ecuaciones de regresión, tomar desde varios estudios publicados, que predicen un individuo que la masa de su longitud. Normalmente, sólo una ecuación de valores de los parámetros, R-squared, error estándar de la estimación, y el tamaño de la muestra se presentan en un manuscrito. Estoy utilizando las ecuaciones para predecir las masas de individuos a partir de un nuevo conjunto de la longitud de las observaciones. Estoy principalmente interesado en el total de la masa por unidad de área, por lo que estoy sumando las masas de todos los individuos y dividiendo por el área que ocupan. He aquí un breve ejemplo de uso de R código:
# regression equation 1 information
eq1 <- list(b0= 0.9, b1= 3.2, n= 10, r2= 0.984, see= 1.28)
# regression equation 2 information
eq2 <- list(b0= 1.1, b1= 2.8, n= 16, r2= 0.971, see= 1.65)
# new observations
length <- rgamma(100, 4)
area <- 1000
# equation 1 prediction
mass.eq1 <- eq1$b0 + eq1$b1 * length
massPerArea.eq1 <- sum(mass.eq1) / area
# equation 2 prediction
mass.eq2 <- eq2$b0 + eq2$b1 * length
massPerArea.eq2 <- sum(mass.eq2) / area
# compare the two massPerArea predictions...?
Cada ecuación de regresión de los resultados de los cursos en un final diferente de lo estimado, pero ¿cómo puedo determinar la incertidumbre en las estimaciones y en qué medida difieren estadísticamente? Desde que estoy resumiendo los individuos, es la propagación de errores en el que la incertidumbre? Si un cálculo directo de que la incertidumbre es posible, que había que sería genial, pero si no hay una solución que requiere de simulaciones numéricas, que estaría bien también (y de hecho, yo he probado algunos de simular, pero pensé que tenía que preguntar primero si un método directo que existe). Gracias!
