Tracé de la courbe de régression polynomiale dans la R

J'ai une simple régression polynomiale qui je fais comme suit

attach(mtcars)
fit <- lm(mpg ~ hp + I(hp^2))

Maintenant, j'ai tracé comme suit

> plot(mpg~hp)
> points(hp, fitted(fit), col='red', pch=20)

Cela me donne la suite

Tracé de la courbe de régression polynomiale dans la R

Tracé de la courbe de régression polynomiale dans la R

Je veux me connecter ces points dans une courbe lisse, en utilisant les lignes me donne la suite

> lines(hp, fitted(fit), col='red', type='b')

Tracé de la courbe de régression polynomiale dans la R

Ce qui me manque ici. Je veux que la sortie d'une courbe lisse qui relie les points

  • Vous ne devriez pas utiliser attach, il peut causer de nombreux bugs.
InformationsquelleAutor psteelk | 2014-04-28
  1. 24

    Essayer:

    lines(sort(hp), fitted(fit)[order(hp)], col='red', type='b')

    Parce que vos unités statistiques dans le jeu de données ne sont pas commandés, ainsi, lorsque vous utilisez lines c'est un gâchis.

    • Sauf si vous avez régulièrement espacés de valeurs ou de nombreuses observations, l'utilisation de cette fitted() approche ne va pas produire une mise en œuvre harmonieuse du polynôme ajusté/fonction
    • bien sûr, la génération d'une séquence de près et régulièrement espacés de points, et l'aménagement de la fonction sur il serait de produire une courbe plus lisse. Mais je pense que le but de la question était de trouver un moyen de relier les existants équipés de points par une ligne, pas la courbe elle-même.
    InformationsquelleAutor Davide Passaretti
  2. 21

    J'aime utiliser ggplot2 pour cela, car il est généralement très intuitif à ajouter des couches de données.

    library(ggplot2)
fit <- lm(mpg ~ hp + I(hp^2), data = mtcars)
prd <- data.frame(hp = seq(from = range(mtcars$hp)[1], to = range(mtcars$hp)[2], length.out = 100))
err <- predict(fit, newdata = prd, se.fit = TRUE)

prd$lci <- err$fit - 1.96 * err$se.fit
prd$fit <- err$fit
prd$uci <- err$fit + 1.96 * err$se.fit

ggplot(prd, aes(x = hp, y = fit)) +
  theme_bw() +
  geom_line() +
  geom_smooth(aes(ymin = lci, ymax = uci), stat = "identity") +
  geom_point(data = mtcars, aes(x = hp, y = mpg))

    Tracé de la courbe de régression polynomiale dans la R

    InformationsquelleAutor Roman Luštrik
  3. 12

    Généralement une bonne façon est d'utiliser l' predict() fonction. Choisissez des x valeurs, utilisez predict() pour générer correspondant y valeurs, et de les indiquer. Il peut ressembler à quelque chose comme ceci:

    newdat = data.frame(hp = seq(min(mtcars$hp), max(mtcars$hp), length.out = 100))
newdat$pred = predict(fit, newdata = newdat)

plot(mpg ~ hp, data = mtcars)
with(newdat, lines(x = hp, y = pred))

    Tracé de la courbe de régression polynomiale dans la R

    Voir Romain de réponse pour un amateur de version de cette méthode, où les intervalles de confiance sont calculés trop. Dans les deux cas, la tracé de la solution est accessoire - vous pouvez utiliser la base de graphiques ou d' ggplot2 ou autre chose que vous aimeriez - la clé est suffit d'utiliser la fonction predict pour générer le bon, les valeurs de y. C'est une bonne méthode, car il s'étend à toutes sortes de crises, pas seulement polynôme de modèles linéaires. Vous pouvez l'utiliser avec des modèles non-linéaires, GLMs, splines de lissage, etc. - quoi que ce soit avec un predict méthode.

    • Tout n'est pas expliqué en tant que tel, Romain réponse montre déjà ce predict() approche, n'est-ce pas?
    • Oui, c'est fait, mais comme tu dis c'est pas, a expliqué en tant que tel. Cela semble être une source pour cette info avec de nombreuses copies liées - je pense que la présence d'un explication de la méthode générale est précieux, et je pense aussi que ggplot peut être un obstacle pour de nouveaux R les utilisateurs de sorte qu'il est agréable de faire la démonstration de la méthode à l'aide de la base. Mais je vais modifier pour reconnaître Romain efforts.
    InformationsquelleAutor Gregor