拟合函数growthcurver::SummarizeGrowth包裹在非线性最小二乘模型minpack.lm::nlsLM上，该模型提供类似于 的参数估计统计信息lm。NLS 模型在 , , 中返回并与$mod返回的统计数据一致。KN0r

所以K, N0,r是标准估计 +/- critical value*se 形式。critical value由具有剩余自由度（样本大小 - # 个参数）的 t 分布确定。在下面的示例中，critical value是 2.010635。

#example from the package
library(growthcurver)
set.seed(1)
k_in <- 0.5
n0_in <- 1e-5
r_in <- 1.2
N <- 50
data_t <- 0:N * 24 / N
data_n <- NAtT(k = k_in, n0 = n0_in, r = r_in, t = data_t) +
          rnorm(N+1, sd=k_in/10) #add noise

# Model fit
gc <- SummarizeGrowth(data_t, data_n)
summary(gc$mod) # returned nlsLM model
#   Estimate Std. Error t value Pr(>|t|)    
#k  0.608629   0.013334  45.643  < 2e-16 ***
#n0 0.005795   0.003208   1.806   0.0772 .  
#r  0.563808   0.068195   8.268 8.71e-11 ***
#Residual standard error: 0.05935 on 48 degrees of freedom

# Extracted p-value for n0 matches above
gc$vals$n0_p
> 0.07715446

# The p-value can be calculated by t-distribution
pt(gc$vals$n0 / gc$vals$n0_se, df=gc$vals$df, lower.tail=FALSE) * 2
> 0.07715446

# 95% confidence interval by t-distribution
qt(0.975, gc$vals$df)
> 2.010635
gc$vals$n0 + qt(0.975, gc$vals$df) * gc$vals$n0_se
> 0.01224516
gc$vals$n0 - qt(0.975, gc$vals$df) * gc$vals$n0_se
> -0.0006557696

如果未知的固定真参数（例如）是实数，则使用您构建的恒等链接的区间将很好地工作。$r$

如果未知的固定真参数（例如必须是非负实数，那么您可能会从使用对数链接函数中受益。在您的示例中，您 r 的 95% CI\。的抽样分布，并反转 Wald 假设检验。对数链接函数将使用正态分布逼近的抽样分布。的 95% CI将是$r$$r$$\hat{r}\pm 1.96\cdot\hat{\text{se}}=(1.09, 1.15)$$\hat{r}$$\text{log}\{\hat{r}\}$$r$$\text{exp}[\text{log}\{\hat{r}\}\pm 1.96\cdot\hat{\text{se}}/\hat{r}]=(1.09, 1.15)$. 因为标准误差非常小，所以这些间隔非常吻合。如果样本量较小，因此标准误差较大，则基于对数链接的区间将不同，并且与使用身份链接的区间相比，应该具有更好的覆盖概率。

例如，如果标准误差大 40 倍，即 0.6，则使用恒等链接的 Wald 区间将为 (-0.06, 2.30)，而使用对数链接函数的区间将为 (0.39, 3.20)。