1

我正在使用包中的drm函数在 R 中进行非线性回归drc。该drm函数接受一个curveid参数，drm用于拟合多条曲线并将结果存储在单个模型对象中。接下来，我绘制曲线和置信区间。但是，我有一个问题，当模型对象包含多条曲线时，曲线看起来很好，但通常只为第一条曲线绘制置信区间（尽管从它的 alpha 水平来看，似乎它已经完成了几次） .

从 提供的示例开始drm，我发现我得到了所需的行为，所有置信区间都出现了，当我更改输入curveid参数的变量的名称时 - 很奇怪，只有“CURVE”有效，没有别的，甚至“curve”也没有工作（下面给出了可重复的例子）。这让我觉得 plot.drc 中可能存在一个错误（类 'drc' 的 S3 方法），因此“CURVE”在那里被硬编码。我盯着源代码看，但不知道这是否属实，因为我是 R 初学者，几乎没有编程经验。

很可能没有错误，我只是错过了一些重要的东西。

library(drc)

# create some data
df <- data.frame(
  x=rep(c(0.003, 0.01, 0.03, 1, 3, 10, 100),2),
  y=c(3,3,3,1.5,-2,-3,-3.2, 3.5,3.5,3.2,1,-2.5,-2.8,-2.8),
  CURVE=rep(1:2, each=7)
)

# working as it should
mod1 <- drm(y~x, curveid=CURVE, data=df)
plot(mod1, type="confidence", main="working as it should")

# not working
names(df)[3] <- "curve"
mod2 <- drm(y~x, curveid=curve, data=df)
plot(mod2, type="confidence", main="not working")

# working again
names(df)[3] <- "CURVE"
mod3 <- drm(y~x, curveid=CURVE, data=df)
plot(mod3, type="confidence", main="working again")

生成三个图作为图像

4

1 回答 1

0

瓦洛，

我可以确认您描述的行为。只有列名“曲线”有效。我厌倦的所有其他名字都不起作用。

我想我已经将此行为跟踪到 plot.drc 函数中 ciFct 子函数的行为（错误？）。

   ciFct <- function(level, ...)
    {
        newdata <- data.frame(DOSE=dosePts, CURVE=rep(level, length(dosePts)))
        predictMat <- predict(object, 
                              newdata=newdata,
                              interval = "confidence",
                              level=confidence.level)

        x <- c(dosePts, rev(dosePts))
        y <- c(predictMat[,"Lower"], rev(predictMat[,"Upper"]))
        polygon(x,y, border=NA, ...)
    }

这是调用 predict() 并生成置信区间的函数。请注意，它使用硬编码值“CURVE”在第 3 行构建新数据。只有在原始数据帧中使用“CURVE”时才能正常工作——否则无法正常工作。

要解决此问题，您当然可以始终选择列名“CURVE”。否则，您将需要将 plot.drc 函数替换为上述代码的修补版本。可以通过将 ciFit 函数更改为以下代码来修复代码（注意，仅添加了一行）：

  ciFct <- function(level, ...)
  {
    newdata <- data.frame(DOSE=dosePts, CURVE=rep(level, length(dosePts)))
    names(newdata)[2] <- object$curveVarNam # this is a new line to fix the bug
    predictMat <- predict(object, 
                          newdata=newdata,
                          interval = "confidence",
                          level=confidence.level)

    x <- c(dosePts, rev(dosePts))
    y <- c(predictMat[,"Lower"], rev(predictMat[,"Upper"]))
    polygon(x,y, border=NA, ...)
  }
于 2017-12-06T21:05:38.187 回答