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$fit <- as.numeric(fitted(m01))
p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_line(aes(year,fit))
p
这只绘制拟合值和数据,我想要的是
的风格p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_smooth()
p
但是使用gls模型生成的波段。
谢谢!
答案 0 :(得分:67)
require(ggplot2)
require(nlme)
set.seed(101)
mp <-data.frame(year=1990:2010)
N <- nrow(mp)
mp <- within(mp,
{
wav <- rnorm(N)*cos(2*pi*year)+rnorm(N)*sin(2*pi*year)+5
wow <- rnorm(N)*wav+rnorm(N)*wav^3
})
m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))
获取拟合值(与m01$fitted
相同)
fit <- predict(m01)
通常我们可以使用类似predict(...,se.fit=TRUE)
的内容来获得预测的置信区间,但gls
不提供此功能。我们使用类似于http://glmm.wikidot.com/faq所示的配方:
V <- vcov(m01)
X <- model.matrix(~poly(wav,3),data=mp)
se.fit <- sqrt(diag(X %*% V %*% t(X)))
组合一个“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))
现在使用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))
如果我们针对wav
而不是year
进行投影,我们会更容易看到正确答案:
(p2 <- ggplot(mp, aes(wav, wow))+
geom_point()+
geom_line(data=predframe)+
geom_ribbon(data=predframe,aes(ymin=lwr,ymax=upr),alpha=0.3))
以更高的分辨率进行预测会更好,但使用poly()
拟合的结果执行此操作有点棘手 - 请参阅?makepredictcall
。