分段回归:分段R包断点检测的再现性问题
我正试图在分段回归:分段R包断点检测的再现性问题,r,regression,breakpoints,piecewise,reproducible-research,R,Regression,Breakpoints,Piecewise,Reproducible Research,我正试图在分段包的帮助下,在我的数据上拟合一个3段回归,我有点迷路了 第一:这是一个可复制的示例: y=c(520.0000, 620.0000, 653.3333, 853.3333, 1220.0000, 1553.3333, 1586.6667, 1586.6667, 1586.6667, 1586.6667, 1586.6667) x=c(33320, 41020, 49020, 56920, 69220, 76320, 86320, 95420, 103720, 111520, 120
分段
包的帮助下,在我的数据上拟合一个3段回归,我有点迷路了
第一:这是一个可复制的示例:
y=c(520.0000, 620.0000, 653.3333, 853.3333, 1220.0000, 1553.3333, 1586.6667, 1586.6667, 1586.6667, 1586.6667, 1586.6667)
x=c(33320, 41020, 49020, 56920, 69220, 76320, 86320, 95420, 103720, 111520, 120320)
plot(y~x)
out=lm(y~x)
我的数据有两个可见断点:
-首先,我尝试用K=2指定已知数量的断点:
mdl2=segmented(out, seg.Z =~x, psi=NA, control=seg.control(K=2,n.boot=0,it.max=500,stop.if.error=FALSE,display=T))
plot(mdl2)
points(y~x)
这给了我一个1断点的结果:
-但如果我设置
2,我也会尝试使用分段函数,但由于函数的再现性问题,我放弃了results@agenis:你用哪一个来代替?;)我以前使用过lm.br
包,但它仅限于一个断点回归。事实上,我只需要一个断点,所以我根据交叉验证错误自己编写了循环。无论如何,最终lowess模型比changepoint模型要好得多我也试着使用分段函数,但由于函数的再现性问题,我放弃了results@agenis:你用哪一个来代替?;)我以前使用过lm.br
包,但它仅限于一个断点回归。事实上,我只需要一个断点,所以我根据交叉验证错误自己编写了循环。无论如何,最终lowess模型比changepoint模型要好得多