Fatal编程技术网
  • r/
  • R 绘图lqmm函数

R 绘图lqmm函数

r plot

R 绘图lqmm函数,r,plot,quantreg,quantile-regression,R,Plot,Quantreg,Quantile Regression,我正在努力在网上找到lqmm模型如何容易绘制的例子。例如，下面，我想要一个简单的图，我可以预测多个分位数，并将这些预测叠加到散点图上： library(lqmm) set.seed(123) M <- 50 n <- 10 test <- data.frame(x = runif(n*M,0,1), group = rep(1:M,each=n)) test$y <- 10*test$x + rep(rnorm(M, 0, 2), each = n) + r

我正在努力在网上找到lqmm模型如何容易绘制的例子。例如，下面，我想要一个简单的图，我可以预测多个分位数，并将这些预测叠加到散点图上：

library(lqmm)    
set.seed(123)
M <- 50 
n <- 10 
test <- data.frame(x = runif(n*M,0,1), group = rep(1:M,each=n)) 
test$y <- 10*test$x + rep(rnorm(M, 0, 2), each = n) + rchisq(n*M, 3) 
fit.lqm <- lqm(y ~ x , tau=c(0.1,0.5,0.9),data = test)
fit.lqmm <- lqmm(fixed = y ~ x, random = ~ 1, group = group, data = test, tau = 0.5, nK = 11, type = "normal")
我见过predict.lqmm函数，但它返回数据集中每个x值的预测值，而不是x轴极限上的平滑函数。提前感谢您的帮助。

对于coef.lqmm，您只能得到一个向量，因此您可以使用以下值绘制一条线：

coef(fit.lqmm)
#(Intercept)           x 
#   3.443475    9.258331 

 plot(y~x,data=test)
 curve( coef(fit.lqmm)[1]  +coef(fit.lqmm)[2]*(x), add = TRUE)

要获得正态理论置信区间的分位数等价值，需要提供tau向量。这是针对90%覆盖率的估计：

 fit.lqmm <- lqmm(fixed = y ~ x, random = ~ 1, group = group, data = test, tau = c(0.05, 0.5, 0.95), nK = 11, type = "normal")
 pred.lqmm <- predict(fit.lqmm, level = 1)
 str(pred.lqmm)
 num [1:500, 1:3] 2.01 7.09 3.24 8.05 8.64 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:500] "1" "2" "3" "4" ...
  ..$ : chr [1:3] "0.05" "0.50" "0.95"
 coef(fit.lqmm)
                  0.05     0.50     0.95
(Intercept)  0.6203104 3.443475 8.192738
x           10.1502027 9.258331 8.620478

plot(y~x,data=test)
for (k in 1:3){
curve((coef.lqmm(fit.lqmm) [1,k])+(coef.lqmm(fit.lqmm) [2,k])*(x), add = TRUE)
}

fit.lqmm对于coef.lqmm，您只能得到一个向量，因此可以使用以下值绘制一条线：


coef(fit.lqmm)
#(Intercept)           x 
#   3.443475    9.258331 

 plot(y~x,data=test)
 curve( coef(fit.lqmm)[1]  +coef(fit.lqmm)[2]*(x), add = TRUE)




要获得正态理论置信区间的分位数等价值，需要提供tau向量。这是针对90%覆盖率的估计：


 fit.lqmm <- lqmm(fixed = y ~ x, random = ~ 1, group = group, data = test, tau = c(0.05, 0.5, 0.95), nK = 11, type = "normal")
 pred.lqmm <- predict(fit.lqmm, level = 1)
 str(pred.lqmm)
 num [1:500, 1:3] 2.01 7.09 3.24 8.05 8.64 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:500] "1" "2" "3" "4" ...
  ..$ : chr [1:3] "0.05" "0.50" "0.95"
 coef(fit.lqmm)
                  0.05     0.50     0.95
(Intercept)  0.6203104 3.443475 8.192738
x           10.1502027 9.258331 8.620478

plot(y~x,data=test)
for (k in 1:3){
curve((coef.lqmm(fit.lqmm) [1,k])+(coef.lqmm(fit.lqmm) [2,k])*(x), add = TRUE)
}



fit.lqmm大多数
predict
函数支持一个
newdata
参数，该参数允许您在
值范围内提供一个
seq
（）影响。这可能就是
curve
函数所做的。但是，
predict.lqmm
要求您指定一个级别值，以确定是否考虑随机效应估计值。您应该阅读该软件包中的
predict
-方法的帮助页面。大多数
predict
函数都支持
newdata
参数，该参数允许您在
值范围内提供
seq
（）-影响。这可能就是
curve
函数所做的。但是，
predict.lqmm
要求您指定一个级别值，以确定是否考虑随机效应估计值。您应该阅读该软件包中的
predict
-方法的帮助页面。非常感谢您的评论和回答，它们非常有见解。遗憾的是，绘制多个分位数没有明显的解决方案。我可能不得不用置信区间来探索这种方法。我将阅读更多关于predict的帮助页面。再次感谢。在我阅读帮助页面时，您需要使用
predict，lqmm
中的
level=1
来获得包含随机效应的估计值。如果在对lqmm的调用中包含tau的值，则会得到多个边际分位数估计。这些似乎是“置信区间”的qr方法学等价物。是的，现在可以了，谢谢！我不确定我昨天在这方面哪里出了问题，因为我想我试过类似的东西。非常感谢你的帮助！非常感谢您的评论和回答，他们非常有洞察力。遗憾的是，绘制多个分位数没有明显的解决方案。我可能不得不用置信区间来探索这种方法。我将阅读更多关于predict的帮助页面。再次感谢。在我阅读帮助页面时，您需要使用
predict，lqmm
中的
level=1
来获得包含随机效应的估计值。如果在对lqmm的调用中包含tau的值，则会得到多个边际分位数估计。这些似乎是“置信区间”的qr方法学等价物。是的，现在可以了，谢谢！我不确定我昨天在这方面哪里出了问题，因为我想我试过类似的东西。非常感谢你的帮助！