我似乎对R中的splines::ns()
函数有疑问。
我创建了一个简单的虚拟问题
dat <- data.frame(t <- seq(0, 6, .01),
x <- rnorm(length(t), sd = 1),
y <- 5 + t - x^2 + rnorm(length(t), sd = .33))
lm(y ~ t + I(x^2), data = dat)
library(splines)
lm(y ~ t + ns(x, knots = c(0), Boundary.knots = c(-3, 3)), data = dat)
虽然第一个模型工作正常,但第二个模型无法正确识别拦截。我在这里缺少什么?
答案 0 :(得分:5)
没有错,因为你不适合完全相同的模型,它们甚至不等同。
为了解释您看到的不同结果,使用单个协变量x
的更简单示例就足够了。我们从二次多项式生成数据:5 + x + x^2
,然后拟合几个模型。
set.seed(0)
x <- rnorm(500, mean = 1) ## `x` with non-zero mean
y <- 5 + x + x * x + rnorm(500, sd = 0.5)
library(splines)
fit1 <- lm(y ~ x + I(x^2))
#(Intercept) x I(x^2)
# 4.992 1.032 0.980
fit2 <- lm(y ~ poly(x, degree = 2))
#(Intercept) poly(x, degree = 2)1 poly(x, degree = 2)2
# 7.961 70.198 28.720
fit3 <- lm(y ~ bs(x, degree = 2, df = 2))
#(Intercept) bs(x, degree = 2, df = 2)1 bs(x, degree = 2, df = 2)2
# 6.583 -8.337 20.650
fit4 <- lm(y ~ ns(x, df = 2))
#(Intercept) ns(x, df = 2)1 ns(x, df = 2)2
# 5.523 10.737 21.265
前3个模型在参数化方面不尽相同,但它们是等价的:它们都是拟合具有3个自由度的二次多项式。为了看到它们的等价性,我们检查它们的拟合值:
sum(abs(fit1$fitted - fit2$fitted))
# [1] 1.54543e-13
sum(abs(fit1$fitted - fit3$fitted))
# [1] 2.691181e-13
为了看到参数化的不同,我们来看一下设计矩阵:
X1 <- model.matrix(~ x + I(x^2))
X2 <- model.matrix(~ poly(x, degree = 2))
X3 <- model.matrix(~ bs(x, degree = 2, df = 2))
par(mfrow = c(3,3), oma = rep.int(1,4), mar = c(4, 4, 0, 0))
plot(x, X1[, 1], cex = 0.2)
plot(x, X1[, 2], cex = 0.2)
plot(x, X1[, 3], cex = 0.2)
plot(x, X2[, 1], cex = 0.2)
plot(x, X2[, 2], cex = 0.2)
plot(x, X2[, 3], cex = 0.2)
plot(x, X3[, 1], cex = 0.2)
plot(x, X3[, 2], cex = 0.2)
plot(x, X3[, 3], cex = 0.2)
由于设计矩阵不同(无论是形状还是尺度),您最终都不会得到相同的系数集。万一你感到惊讶,让我们尝试一个更简单的例子:
x1 <- x - mean(x)
test <- lm(y ~ x1 + I(x1^2))
#(Intercept) x1 I(x1^2)
# 7.003 2.991 0.980
sum(abs(fit1$fitted - test$fitted))
# [1] 1.24345e-13
在这里,我刚刚对x
进行了一些简单的变换,然后结果不同(但仍然相同)。
第4个模型fit4
拟合具有3个自由度的三次多项式,因此它不等同于以前的所有模型。我们可以检查拟合值:
sum(abs(fit1$fitted - fit4$fitted))
# [1] 39.36563
答案 1 :(得分:1)
完全忽略ns(),你遗漏了两件事:
1)上面的评论解释了如何定义数据框:
import cx_Oracle
2)你打电话给模特的方式:
t <- seq(0, 6, .01)
x <- rnorm(length(t), sd = 1)
y <- 5 + t - x^2 + rnorm(length(t), sd = .33)
df <- data.frame(t, x, y)
rm(t, x, y)
第一个模型无法正确识别您的想法。