[英]R : Robust nonlinear least squares fitting of three-phase linear model with confidence & prediction intervals
[英]How to calculate confidence intervals for Nonlinear Least Squares in r?
我在预测 r 中的置信区间 ros 和 nls 时遇到了一些麻烦。
pl <- ggplot(data) + geom_point(aes(x=date, y=cases),size=2, colour="black") + xlab("Date") + ylab("Cases")
model = nls(cases ~ SSlogis(log(date), Asym, xmid, scal), data= data )
new.data = data.frame(date=c(1:100))
interval <- predict(model, newdata = new.data, se.fit = TRUE, interval = "confidence", level= 0.9)
new.data[c("fit","lwr.conf", "upr.conf")] <- interval
pl +
geom_ribbon(data=new.data, aes(x=date, ymin=lwr.pred, ymax=upr.pred), alpha=0.05, inherit.aes=F, fill="blue")
当我运行它时,它没有显示错误,但我得到的区间只是一个适合的向量,没有上下置信区间。
我知道如何执行此操作的方法有 3 种,其中一种方法在另一个答案中进行了描述。 这里有一些其他选项。 第一个使用 nls() 拟合 model 和investr::predFit 进行预测和CI:
library(tidyverse)
library(investr)
data <- tibble(date = 1:7,
cases = c(0, 0, 1, 4, 7, 8.5, 8.5))
model <- nls(cases ~ SSlogis(log(date), Asym, xmid, scal), data= data )
new.data <- data.frame(date=seq(1, 10, by = 0.1))
interval <- as_tibble(predFit(model, newdata = new.data, interval = "confidence", level= 0.9)) %>%
mutate(date = new.data$date)
p1 <- ggplot(data) + geom_point(aes(x=date, y=cases),size=2, colour="black") + xlab("Date") + ylab("Cases")
p1+
geom_line(data=interval, aes(x = date, y = fit ))+
geom_ribbon(data=interval, aes(x=date, ymin=lwr, ymax=upr), alpha=0.5, inherit.aes=F, fill="blue")+
theme_classic()
另一种选择是使用“drc”包(又名剂量反应曲线)进行 model 拟合和预测。 这个 package 使用需要使用(或创建)的内置启动函数,但是 class 的 object 的 object 'drc' 仅用于预测有许多有用的方法可以利用一些有用的方法来支持置信区间。内置自启动器)。 以 package 'drc' 为例:
library(drc)
model_drc <- drm(cases~date, data = data, fct=LL.4())
predict_drc <- as_tibble(predict(model_drc, newdata = new.data, interval = "confidence", level = 0.9)) %>%
mutate(date = new.data$date)
p1+
geom_line(data=predict_drc, aes(x = date, y = Prediction ))+
geom_ribbon(data=predict_drc, aes(x=date, ymin=Lower, ymax=Upper), alpha=0.5, inherit.aes=F, fill="red")+
ggtitle("with package 'drc'")+
theme_classic()
有关“drc”package 的更多信息: 期刊论文、 描述 drc 的自定义自启动的博客文章和 package文档
非线性置信区间可以通过使用package模拟来获得:
library("propagate")
x <- c(25, 25, 10, 10, 5, 5, 2.5, 2.5, 1.25, 1.25)
y <- c(0.0998, 0.0948, 0.076, 0.0724, 0.0557,
0.0575, 0.0399, 0.0381, 0.017, 0.0253)
m <- nls(y ~ SSmicmen(x, Vm, K), trace = TRUE)
x1 <- seq(0, 25, length = 100)
plot(x, y, xlim = c(0, 25), ylim = c(0, 0.1))
lines(x1, predict(m, data.frame(S = x1)), col = "red")
y.conf <- predictNLS(m, newdata=data.frame(x=x1), interval="confidence", alpha=0.05, nsim=10000)$summary
y.pred <- predictNLS(m, newdata=data.frame(x=x1), interval="prediction", alpha=0.05, nsim=10000)$summary
matlines(x1, y.conf[,c("Sim.2.5%", "Sim.97.5%")], col="red", lty="dashed")
matlines(x1, y.pred[,c("Sim.2.5%", "Sim.97.5%")], col="blue", lty="solid")
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.