[R绘制与ggplot置信带(R Plotting confidence bands with gg

我想对于配置有这样的GLS模型创建置信带：

require(ggplot2)
require(nlme)

mp <-data.frame(year=c(1990:2010))

mp$wav <- rnorm(nrow(mp))*cos(2*pi*mp$year)+2*sin(rnorm(nrow(mp)*pi*mp$wav))+5
mp$wow <- rnorm(nrow(mp))*mp$wav+rnorm(nrow(mp))*mp$wav^3

m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))

mp$fit <- as.numeric(fitted(m01))

p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_line(aes(year,fit))
p

这只绘制拟合值和数据，我想在风格的东西

p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_smooth()
p

但由GLS模型生成的带。

谢谢！

Answer 1:

require(ggplot2)
require(nlme)

set.seed(101)
mp <-data.frame(year=1990:2010)
N <- nrow(mp)

mp <- within(mp,
         {
             wav <- rnorm(N)*cos(2*pi*year)+rnorm(N)*sin(2*pi*year)+5
             wow <- rnorm(N)*wav+rnorm(N)*wav^3
         })

m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))

获得拟合值（同为m01$fitted ）

fit <- predict(m01)

通常情况下，我们可以使用类似predict(...,se.fit=TRUE)以获得关于预测的置信区间，但gls不提供此功能。 我们使用类似于在所示的配方http://glmm.wikidot.com/faq ：

V <- vcov(m01)
X <- model.matrix(~poly(wav,3),data=mp)
se.fit <- sqrt(diag(X %*% V %*% t(X)))

把一个“预测帧”：

predframe <- with(mp,data.frame(year,wav,
                                wow=fit,lwr=fit-1.96*se.fit,upr=fit+1.96*se.fit))

现在，随着剧情geom_ribbon

(p1 <- ggplot(mp, aes(year, wow))+
    geom_point()+
    geom_line(data=predframe)+
    geom_ribbon(data=predframe,aes(ymin=lwr,ymax=upr),alpha=0.3))

它很容易地看到，我们得到了正确的答案，如果我们暗算wav ，而不是year ：

(p2 <- ggplot(mp, aes(wav, wow))+
    geom_point()+
    geom_line(data=predframe)+
    geom_ribbon(data=predframe,aes(ymin=lwr,ymax=upr),alpha=0.3))

这将是很好的做多分辨率的预言，但它是一个有点棘手与结果做这个poly()适合-见?makepredictcall

文章来源: R Plotting confidence bands with ggplot