在使用GGPLOT2平滑以适应使用中的数据给出的误差的线性模型(Using smooth in gg

我有这样的数据帧：

> dat
   x         y        yerr
1 -1 -1.132711 0.001744498
2 -2 -2.119657 0.003889120
3 -3 -3.147378 0.007521881
4 -4 -4.220129 0.012921450
5 -5 -4.586586 0.021335644
6 -6 -5.389198 0.032892630
7 -7 -6.002848 0.048230946

我可以用标准误差为平滑绘制它：

p <- ggplot(dat, aes(x=x, y=y)) + geom_point()
p <- p + geom_errorbar(data=dat, aes(x=x, ymin=y-yerr, ymax=y+yerr), width=0.09)
p + geom_smooth(method = "lm", formula = y ~ x)

但我需要的是使用yerr适合我的线性模型。 是否有可能与GGPLOT2？

Answer 1:

嗯，我找到了一种方法来回答这个问题。

因为在任何科学实验，我们收集的数据，如果该实验是正确执行，所有的数据值必须有相关的错误。

在某些情况下，误差的方差可能是在所有点相等，但在很多，像本案中原来的问题指出，事实并非如此。 所以，以曲线拟合我们的数据时，我们必须使用不同的在不同的测量误差值的变化。

这样做是将重量归因于误差值，根据统计分析方法，其等于1 / SQRT（errorValue），因此，它变成：

p <- ggplot(dat, aes(x=x, y=y, weight = 1/sqrt(yerr))) + 
    geom_point() + 
    geom_errorbar(aes(ymin=y-yerr, ymax=y+yerr), width=0.09) + 
    geom_smooth(method = "lm", formula = y ~ x)

Answer 2:

对于任何模型拟合，我将尽我所用的绘图范式的配件之外。 为此，将值传递给weights是反比于观测的差异。 嵌合将随后经由加权最小二乘法来完成。

对于示例/情况ggplot的geom_smooth为你做以下。 惠斯特它可能看起来更容易使用geom_Smooth ，拟合模型的好处直接最终超过这一点。 首先，你必须拟合模型，并能在合适的模型假设等进行诊断

适应加权最小二乘

mod <- lm(y ~ x, data = dat, weights = 1/sqrt(yerr))

然后predict()从模型上的范围x

newx <- with(dat, data.frame(x = seq(min(x), max(x), length = 50)))
pred <- predict(mod, newx, interval = "confidence", level = 0.95)

在上面我们得到predict.lm方法来生成使用适当的置信区间。

接下来，准备绘制数据

pdat <- with(data.frame(pred),
             data.frame(x = newx, y = fit, ymax = upr, ymin = lwr))

其次，建立剧情

require(ggplot2)
p <- ggplot(dat, aes(x = x, y = y)) +
       geom_point() +
       geom_line(data = pdat, colour = "blue") + 
       geom_ribbon(mapping = aes(ymax = ymax, ymin = ymin), data = pdat, 
                   alpha = 0.4, fill = "grey60")
p

Answer 3:

你的问题是有点含糊。 这里有一对夫妇可以让你开始说的建议。

1. GGPLOT2只是使用lm回归功能。 要获得这些值，只是做：

     lm(y ~ x, data=dat) 

   这会给你截距和梯度。

2. 您可以在关闭标准错误stat_smooth使用se参数：

    .... + geom_smooth(method = "lm", formula = y ~ x, se = FALSE) 

3. 您可以通过点/误差带与添加功能区：

    ##This doesn't look good. .... + geom_ribbon(aes(x=x, ymax =y+yerr, ymin=y-yerr)) 

文章来源: Using smooth in ggplot2 to fit a linear model using the errors given in the data