预测间隔与数据之间的距离（stat_smooth）

Question

我第一次在R中使用了stat_smooth()，我想知道是否有办法获得x与预测间隔之间的距离data(y)正如你在这里看到的那样：

感谢您的宝贵帮助！

Answer 1

正如上面的评论所指出的，澄清你的目标会有所帮助。

如果你想复制，ggplot2做什么，并找到间隔之外的点的距离，我有一些代码给你。

首先，我创建一些示例数据并绘制它：

library(ggplot2)
# sample data
set.seed(1234)
x <- c(1:100)
y <- c(1:100) + rnorm(100, sd = 5)
df <- data.frame(x, y)

ggplot(df, aes(x, y)) + geom_point(alpha = .4) + stat_smooth(span = .3)

然后我复制了ggplot2所做的事情：我构建了一个黄土模型（ggplot2选择了n < 1000的黄土），我随后用它以相同的方式建立置信区间{{ 1}}。 注意：模型的参数需要与您在stat_smooth中使用的参数相匹配。

stat_smooth

从复制的数据我们现在可以找到距离。对于区间内的情况，它返回# find model, matching the span parameter from the graph above model <- loess(y ~ x, data = df, span = 0.3) # find x sequence xseq <- sort(unique(df$x)) # function adapted from ggplot2::predictdf.loess: # https://github.com/hadley/ggplot2/blob/f3b519aa90907f13f5d649ff6a512fd539f18b2b/R/stat-smooth-methods.r#L45 predict_loess <- function(model, xseq, level = 0.95) { pred <- stats::predict(model, newdata = data.frame(x = xseq), se = TRUE) y_pred = pred$fit ci <- pred$se.fit * stats::qt(level / 2 + .5, pred$df) ymin = y_pred - ci ymax = y_pred + ci data.frame(x = xseq, y_pred, ymin, ymax, se = pred$se.fit) } # predict your data predicted_data <- predict_loess(model, xseq, level = 0.95) # merge predicted data with original y merged_data <- with(df, cbind(predicted_data, y)) head(merged_data) # x y_pred ymin ymax se y # 1 1 -0.5929504 -5.8628535 4.676953 2.652067 -5.035329 # 2 2 0.2828659 -4.1520646 4.717796 2.231869 3.387146 # 3 3 1.1796057 -2.5623056 4.921517 1.883109 8.422206 # 4 4 2.1074914 -1.0994171 5.314400 1.613870 -7.728489 # 5 5 3.0696584 0.2371895 5.902127 1.425434 7.145623 # 6 6 4.0568034 1.4454944 6.668113 1.314136 8.530279 。

0

这不是一个非常优雅的解决方案，但它可以指向正确的方向。