＆＃34;方法＆＃34;之间的区别是什么？ geom_smooth（）中的参数值

Question

我想为X和Y轴上的Orange数据集（内置数据集），age和circumference的两个变量绘制一个平滑图。 / p>

我使用了这段代码：

ggplot(Orange, aes(
  x = age,
  y = circumference,
  shape = Tree,
  color = Tree
)) +
  geom_point() +
  scale_color_manual(values = c("red", "blue", "green", "black", "orange")) +
  ggtitle("Categorized Scatter plot") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5)) +
geom_smooth(span = 0.7, se = TRUE, method = "loess") <----

结果：

主要问题

method函数中goem_smooth()参数的R文档是：

  

要使用的平滑方法（功能），例如。 ＆＃34; lm＆＃34;，＆＃34; glm＆＃34;，＆＃34; gam＆＃34;，＆＃34; loess＆＃34;，＆＃34; rlm＆＃34;。   对于方法=＆＃34; auto＆＃34;根据最大组的大小（跨所有面板）选择平滑方法。黄土用于超过1,000次观测;否则gam与公式= y~s一起使用（x，bs =＆＃34; cs＆＃34;）。有点传闻，黄土提供了更好的外观，但在内存中是O（n ^ 2），因此不适用于较大的数据集。

但是没有足够的解释说哪一个最适合不同的场景。

请详细回答这些值。

Answer 1

如果树的年龄和周长之间的关系是线性的，则使用lm（线性模型）。

如果关系是线性的，但可能因数据中存在异常值而失真，则可以使用rlm（鲁棒线性模型）来淡化异常值对关系估计的影响。

如果这种关系是非线性但平滑的，你可以使用黄土或gam。黄土方法基于局部线性平滑并且可以处理异常值。 gam方法允许不同类型的平滑 - 您使用哪种类型的平滑可能取决于您的模型是用于解释还是预测。

在结果变量（在这种情况下，周长）将被视为二进制变量（例如，低与高周长）的情况下，glm方法将是有用的。在这种情况下，glm将使您能够将高周长的对数几率建模为年龄的线性函数。如果你怀疑年龄以非线性方式影响对数赔率，那么你将使用gam而不是glm。 glm和gam还可以处理超过2个类别，计数变量等的结果变量。

lm和rlm函数还可以适应参数形式的非线性关系（例如，二次，三次，四次），但您必须将它们与公式规范结合使用。类似的东西：

geom_smooth（method =“lm”，formula = y~x + I（x ^ 2））

用lm方法估计的二次关系。

相反，黄土和gam假设关系的非线性可以通过非参数模型捕获。

如果使用gam，您可以调查可用的不同类型的平滑器，并根据预定义的标准（例如，用于预测目的的AIC）选择“最佳”模型。一旦您对模型感到满意，然后绘制其结果。