0

遵循非线性分位数回归的工作流程似乎有效。但是我不知道如何绘制结果曲线。

顺便说一句：我更喜欢使用函数 graphics::curve() 而不是 graphics::lines()

require(quantreg)

# load sample data
dat <- DNase
# introduce variable
x <- DNase$conc
y <- DNase$density
# introduce function 
f <- function(a, b, x) {(a*x/(b+x))}
# fit the model
fm0 <- nls(log(y) ~ log(f(a,b,x)), dat, start = c(a = 1, b = 1))
# fit a nonlinear least-square regression
fit <- nls(y ~ f(a,b,x), dat, start = coef(fm0))
# receive coeffientes
co <- coef(fit)
a=co[1]
b=co[2]
# plot
plot(y~x) 
# add curve
curve((a*x/(b+x)), add=T)

# then fit the median using nlrq
dat.nlrq <- nlrq(y ~ SSlogis(x, Asym, mid, scal), data=dat, tau=0.5)
# add curve
???

编辑：我正在寻找的是一种绘制公式的各种分位数回归的方法，例如 a*x/(b+x)。插入公式让我想到了将什么作为“开始”参数的问题

dat.nlrq.075 <-  nlrq(formula=fit, data = dat, start=???, tau = 0.75)
4

1 回答 1

2

curve使用lines所以curve当它更容易使用时真的没有理由使用lines。

首先确保对数据进行排序，以便正确显示图。然后拟合nls或nlrq用于fitted拟合线。

library(quantreg)

dat <- DNase[order(DNase$conc), ]
fit.nlrq <-  nlrq(density ~ SSlogis(conc, Asym, mid, scal), data = dat, tau = 0.5)
plot(density ~ conc, dat)
lines(fitted(fit.nlrq) ~ conc, dat)

如果您想在不同数量的等距点（例如 250）处绘制拟合，则执行相同操作，但使用predict而不是fitted：

x <- seq(min(dat$conc), max(dat$conc), length = 250)
lines(predict(fit.nlrq, list(conc = x)) ~ x, lty = 2, col = "red")

相同的样式适用于nls.

注意如果你使用require它的值应该被检查。如果您不想这样做，请library改用。

于 2018-07-07T13:37:18.660 回答