69

我想为装有这样的 gls 的模型创建一个置信带：

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

这只会绘制拟合值和数据，我想要一些风格的东西

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

但是使用 gls 模型生成的波段。

谢谢！

4

1 回答 1

90 
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))

获取拟合值（与 相同m01$fitted）

fit <- predict(m01)

通常我们可以使用类似的东西predict(...,se.fit=TRUE)来获得预测的置信区间，但gls不提供这种能力。我们使用类似于http://glmm.wikidot.com/faq中所示的配方：

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

拼凑一个“预测框架”：

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

现在用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))

年与哇

如果我们反对wav而不是：更容易看出我们得到了正确的答案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))

wav vs 哇

以更高的分辨率进行预测会很好，但使用poly()拟合结果执行此操作有点棘手 - 请参阅?makepredictcall.

于 2012-12-25T20:24:52.873 回答