R中的分段线性回归（segmented.lm）

我非常感谢您能帮助segmented.lm（或任何其他函数）在本例中找到明显的断点：

data = list(x=c(50,60,70,80,90) , y= c(703.786,705.857,708.153,711.056,709.257))
plot(data, type='b')
require(segmented)
model.lm = segmented(lm(y~x,data = data),seg.Z = ~x, psi = NA)

它返回时出现以下错误：

求解中出错。默认值（crossprod（x1），crossprod（x1，y1））： 系统在计算上是奇异的：倒数条件数=1.51417e-20

如果我更改K：

model.lm = segmented(lm(y~x,data = data),seg.Z = ~x, psi = NA, control = seg.control(K=1))

我得到另一个错误：

分段.lm（lm（y~x，data=data），分段Z=~x，psi=NA，控制=seg.control（K=1））中的错误： 间隔内仅1个基准点：边界处的断点或彼此太近

---

Crawley（2007:427）中描述了一种很好的确定断点的客观方法

首先，为一系列潜在断点定义向量

断点

：

breaks <- data$x[data$x >= 70 & data$x <= 90]

最后，用最小的

mse

确定断点：

breaks[which(mse==min(mse))] 

---

希望这能有所帮助。

我希望这只是一个样本数据集，因为这实在太少了，无法尝试估算类似的数据。不指定K时的问题是默认值为10。由于您的观测值少于，因此此默认值没有意义，并且您无法区分不同的模型。K=1的问题是，它试图在80点后突破，在第二组中只剩下一个点，因此无法计算斜率。但是你真的需要一个更大的输入数据集，就像@MrFlick说的，你在这里的观察太少了。试试：

data=data.frame（x=c（50,60,70,80,90100110），y=c（703.786705.857708.153711.056709.25770707.4705.6））

。这样就可以了：

model.lm=segmented（lm（y~x，data=data），seg.Z=~x，psi=NA，control=seg.control（K=1））

谢谢Flick和Frank先生。我最终将使用更大的数据集。但是对于这个样本集，我可以设法得到一个模型：library（“SiZer”）model.pwl=piecedise.linear（x=data$x，y=data$y，middle=1，CI=FALSE，bootstrap.samples=1000，sig.level=0.05）plot（model.pwl）

breaks[which(mse==min(mse))]