循环中的线性插值

Question

我有两个文件。一个文件在三个处理实验中具有五个“Flux”观察值（处理= A，B，C）。在这三种处理中，温度已经被操纵。 Flux的观察结果在24小时内在5个点进行。第二个文件（Temp）包含24小时内三种治疗的温度。

我想使用线性插值来预测24小时内每小时的通量值。请注意，插值方程在三种处理之间会略有不同。

这可以在循环中完成，以便在Temp.csv文件中估算每小时的通量值吗？然后在24小时内整合（求和）值？

这些文件位于Dropbox：Temp Data

这表明：在三种处理中，通量和温度之间的最佳拟合线性关系的不同斜率：

#subset data in flux by treatment
fluxA<-flux[which(flux$Treatment=='A'),]
fluxB<-flux[which(flux$Treatment=='B'),]
fluxC<-flux[which(flux$Treatment=='C'),]

#Regression of Flux~Temperature
modelA<-lm (Flux~Temperature, data=fluxA)
summary (modelA)

modelB<-lm (Flux~Temperature, data=fluxB)
summary (modelB)

modelC<-lm (Flux~Temperature, data=fluxC)
summary (modelC)

#plot the regressions
plot (Flux~Temperature, data=fluxA,pch=16, xlim=c(0,28), ylim=c(0,20))
abline(modelA)

points(Flux~Temperature, data=fluxB,pch=16, col="orange")
abline(modelB, col="orange")

points(Flux~Temperature, data=fluxC,pch=16, col="red")
abline(modelC, col="red")

Answer 1

caldat <- read.csv(text="Treatment,Temperature,Flux
A,18.64,7.75
A,16.02,8.49
A,17.41,9.24
A,21.06,4.42
A,22.8,5.61
B,19.73,5.7
B,17.45,8.37
B,19.2,5.27
B,20.97,3.37
B,27.6,2.26
C,23.79,9.91
C,15.89,15.8
C,21.93,10.28
C,24.79,6.33
C,26.64,6.64
")

plot(Flux~Temperature, data=caldat, col=Treatment)
mod <- lm(Flux~Temperature*Treatment, data=caldat)
summary(mod)
points(rep(seq(16,28, length.out=1e3),3), 
       predict(mod, newdata=data.frame(Temperature=rep(seq(16,28, length.out=1e3),3),
                                       Treatment=rep(c("A", "B", "C"), each=1e3))),
       pch=".", col=rep(1:3, each=1e3))

如果这是一个合适且“好”的模型，你需要仔细考虑。使用标准回归诊断。

preddata <- read.csv(text="Time,A,B,C
100,17.8,21.64,23.04
200,17.5,21.3,22.7
300,17.23,21,22.39
400,16.92,20.67,22.08
500,16.47,20.3,21.74
600,15.78,19.75,21.24
700,15.19,19.14,20.63
800,14.58,18.47,20
900,14.22,17.99,19.49
1000,13.77,17.55,19.08
1100,13.39,17.02,18.62
1200,13.34,16.76,18.26
1300,13.17,16.62,18.05
1400,13.24,16.58,17.91
1500,13.31,16.63,17.86
1600,13.26,16.61,17.81
1700,13.12,16.57,17.75
1800,12.9,16.45,17.65
1900,12.74,16.32,17.54
2000,12.57,16.2,17.42
2100,12.36,16.04,17.28
2200,12.1,15.83,17.1
2300,11.79,15.57,16.88
2400,11.53,15.3,16.64
")

library(reshape2)
preddata <- melt(preddata, id="Time",
                 variable.name="Treatment", value.name="Temperature")
preddata$Flux <- predict(mod, newdata=preddata)

plot(Flux~Time, data=preddata, col=Treatment)

总和助焊剂：

aggregate(Flux ~ Treatment, data=preddata, FUN=sum)
#  Treatment     Flux
#1         A 247.5572
#2         B 159.6803
#3         C 309.6186