在R中繪制3D曲面

Question

我有一個形式為lm(log(z) ~ x*y) 。

我可以使用s3d <- scatterplot3d(x,y,log(z))制作數據的3D散點圖。

如何繪制回歸函數的表面？

我知道我可以為簡單的線性模型做s3d$plane3d(lm(log(z) ~ x + y) ，但這不適用於非平面曲面；例如s3d$plane3d(lm(log(z) ~ x * y)不起作用。

Answer 1

因此，首先，如果您提供示例數據集（或實際數據，可能會更好）和可復制的代碼示例，則更有可能獲得幫助。 否則，您會強迫我們這樣做-我認為這就是為什么您的問題在6個小時內被忽略的原因。 有關更多詳細信息，請參見此鏈接 。

其次，像這樣使用lm(...) ，並使用formula=log(z)~x*y是一個非常糟糕的主意。 線性建模基於以下假設：響應中的誤差log(z)在您的情況下為log(z) ）通常以恆定方差分布。 如果您的z-data具有具有恆定方差的正態分布誤差，則log(z)當然不會。 這是一個經典的錯誤； 正確的方法是使用帶有family=poisson廣義線性建模（請參閱glm軟件包以及其他內容）。

最后，對你的問題。 下面的代碼創建了一個3D散點圖，該散點圖覆蓋在響應面上。 它使用rgl程序包，該程序包生成可旋轉的3D圖。

在這里，我為這些點着色，以使表面以下的點為紅色，而上方的部分為綠色，並在每個點到表面之間添加了垂線。

棘手的是，在surface3d(...) ，x和y參數是對應於網格的矢量，而z是一個矩陣，其中每個x值一行，每個y值一行。

對於您的真實數據，您可能需要調整open3d(...)的scale=...參數。

# create sample dataset - you have this already,,,
set.seed(1)   # for reproducible example
df <- data.frame(x=sample(1:50,50)/50,y=sample(1:50,50)/50)
df$z <- with(df,exp(4*x + 2*y - 6*x*y + 6)+rnorm(50,sd=500))
fit <- lm(log(z) ~ x*y,df)   # bad, bad, bad - don't do this!!!

# you start here...
df$pred <- predict(fit)
# set up matrix of z-values
x <- seq(min(df$x),max(df$x),len=100)
y <- seq(min(df$y),max(df$y),len=100)
plot.df <- expand.grid(x=x,y=y)
plot.df$z <- predict(fit,newdata=plot.df)
library(reshape2)
z <- dcast(plot.df,x~y,value.var="z")[-1]

# plot the points, the fitted surface, and droplines
library(rgl)
colors <- 2.5+0.5*sign(residuals(fit))
open3d(scale=c(1,1,0.2))
points3d(df$x,df$y,log(df$z),col=colors)
surface3d(x,y,as.matrix(z),col="blue",alpha=.2)
apply(df,1,function(row)lines3d(rep(row[1],2),rep(row[2],2),c(log(row[3]),row[4]),col=colors))
axes3d()
title3d(xlab="X",ylab="Y",zlab="log(Z)")