Как вычислить средние значения из линейной модели в R?

---

Я работаю с набором данных о сохранении и его влиянии на биомассу, в котором пятьдесят участков земли, каждый по одному гектару, были отобраны случайным образом с площади в десять тысяч гектаров в Северной Англии.

Для каждого земельного участка были зарегистрированы следующие переменные:

* Биомасса: оценка биомассы растительности в кг на квадратный метр.

• alt: средняя высота участка в метрах над уровнем моря.

• минусы: категориальная переменная, которая кодировался 1, Если участок был частью заповедной зоны, и 2 в противном случае.

* Почва категориальная переменная, грубо классифицирующая тип почвы как 1 для мела, 2 для глины и 3 для суглинка.

---

В данный момент я борюсь с двумя вещами в частности:

Как вычислить среднюю разницу в биомассе между глинистыми (soil2) и суглинистыми (soil3) почвами на основе моей адаптированной модели (model1) и вычислить 95% доверительный интервал для этого среднего прогнозируемого значения.

И как это сделать вычислить среднюю прогнозируемую биомассу для участка, расположенного в заповедной зоне с преимущественно глинистой почвой на высоте 300 м?

Это краткое изложение линейной модели, с которой я работаю.

Call:
lm(formula = biomass ~ alt + soil + cons, data = conservation)

Residuals:
      Min        1Q    Median        3Q       Max 
-0.183105 -0.052926  0.005593  0.061844  0.194402 

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)  2.2928629  0.0357850  64.073  < 2e-16 ***
alt         -0.0029068  0.0001302 -22.318  < 2e-16 ***
soil2       -0.0862220  0.0342955  -2.514   0.0156 *  
soil3       -0.2309939  0.0354480  -6.516 5.33e-08 ***
cons2        0.0488634  0.0292075   1.673   0.1013    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.09428 on 45 degrees of freedom
Multiple R-squared:  0.9459,    Adjusted R-squared:  0.9411 
F-statistic: 196.7 on 4 and 45 DF,  p-value: < 2.2e-16

---

И вот данные:

dput(conservation)

structure(list(biomass = c(2.01, 2.06, 1.7, 2.07, 1.88, 2.11, 
0.98, 2.14, 1.75, 1.81, 2.15, 1.68, 2.23, 2.04, 1.67, 1.77, 1.74, 
1.53, 1.79, 2.15, 1.39, 2.19, 2.14, 2.29, 1.91, 1.73, 2.21, 1.96, 
2.07, 2.01, 2.2, 2.24, 1.33, 1.05, 1.36, 1.72, 1.44, 1.52, 2.09, 
1.42, 1.64, 0.92, 1.65, 1.37, 0.77, 1.57, 2.25, 2.23, 2.03, 1.18
), alt = c(116L, 21L, 130L, 65L, 117L, 82L, 359L, 5L, 86L, 91L, 
64L, 178L, 79L, 70L, 209L, 110L, 161L, 248L, 146L, 23L, 237L, 
84L, 40L, 7L, 161L, 122L, 25L, 146L, 67L, 118L, 42L, 57L, 277L, 
338L, 331L, 153L, 239L, 237L, 67L, 171L, 206L, 371L, 107L, 236L, 
482L, 240L, 56L, 42L, 68L, 436L), cons = structure(c(2L, 2L, 
1L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 2L, 1L, 
1L, 2L, 2L, 2L, 1L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 
1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 2L, 2L, 2L, 2L
), .Label = c("1", "2"), class = "factor"), soil = structure(c(2L, 
3L, 2L, 2L, 2L, 1L, 2L, 2L, 3L, 3L, 2L, 1L, 1L, 2L, 2L, 3L, 2L, 
3L, 2L, 2L, 3L, 1L, 3L, 2L, 1L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 
3L, 2L, 1L, 3L, 2L, 1L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 1L, 1L, 1L, 
2L), .Label = c("1", "2", "3"), class = "factor"), alt.factor = 
structure(c(1L, 
1L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 
2L, 2L, 1L, 2L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 
2L, 2L, 2L, 2L, 2L, 1L, 2L, 2L, 2L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 
2L), .Label = c("below median", "above median"), class = "factor")), 
.Names = c("biomass", 
"alt", "cons", "soil", "alt.factor"), row.names = c(NA, -50L), class = 
"data.frame")

---