在R中拟合两个断点的分段回归：一条水平线，一条直线，然后是一条水平线

我想用R中的两个断点进行分段回归：首先是斜率为0的水平线，然后是线性线，然后是斜率为0的水平线。还应安装两个断点

我的数据如下（总共有60个类似的数据集）：

---

x使用
nls
在
x
上以最小值和最大值拟合一行，如下所示
a
和
b
是交点的x值，
。lin1
是中间部分的截距，
。lin2
是中间部分的坡度

fm <- nls(y ~ cbind(1, pmax(pmin(x, b), a)), alg = "plinear", start = list(a = 2, b = 3))

水平部分位于与交点的x值相对应的y值处：

predict(fm, list(x = coef(fm)[1:2]))
## [1] 186.06667  52.53333

或可计算为对应于最小和最大x值的y值：

predict(fm, list(x = range(x)))
## [1] 186.06667  52.53333

我们可以像这样绘制点和拟合：

plot(y ~ x)
xx <- seq(min(x), max(x), length = 100)
p <- predict(fm, list(x = xx))
lines(p ~ xx, col = "red")

绘图（y~x）
xx更新了答案，减少了人与人之间的互动，
答案和以前基本相同

您可以将点粗略地分组为上部和下部
自动点数。一些过渡点可能会
使用上下点进行分组，所以我们使用
boxplot.stats
消除任何看起来像
这些组中的异常值。然后我们可以取平均值
估计水平面高度的高低点
线。我们还使用非离群值上下点来
确定变换的x值

HighLine = (2*max(y) + min(y))/3
HighPoints = which(y >= boxplot.stats(y[y>HighLine])$stats[1])
HighY = mean(y[HighPoints])

LowLine = (max(y) + 2*min(y))/3
LowPoints = which(y <= boxplot.stats(y[y<LowLine])$stats[5])
LowY = mean(y[LowPoints])

x1 = max(x[HighPoints])
x2 = min(x[LowPoints])

plot(x,y)
lines(c(min(x), x1,x2, max(x)), c(HighY, HighY, LowY, LowY))

HighLine=（2*最大值（y）+最小值（y））/3
高点=哪个（y>=boxplot.stats（y[y>高点]）$stats[1]）
HighY=平均值（y[高点]）
下限=（最大值（y）+2*最小值（y））/3
LowPoints=哪个（y）（如果可能有用的话，我发现偏移量为“a*exp（-0.5*pow（（x-b）/c，2.0））+offset”的高斯峰值方程，参数a=1.455460522554448E+02，b=1.5839534147665826E+00，c=-5.689903006429440E-01，偏移量=4.6871995528236809E+01给出了一个合适的拟合，得到了R平方=0.9865和RMSE=6.742这真的是一个很大的帮助，谢谢！唯一的问题是我有60个这样的数据集，x的范围不同。所以对于一些初始值例如，另一个数据集是：x我尝试了这些作为起始值：a0=min（x，na.rm=FALSE）+0.3；b0=max（x，na.rm=FALSE）-0.3如果您已经删除了na，另一种可能是
start=list（a=mean（head（x，k）），b=mean（tail（x，k）））
其中适当地选择了
k
。您的起始值对应于k=1。如果您的某些数据实际上不遵循此模型，则您可能无法收敛这些集合，因此期望完全自动的结果可能不现实。
plot(y ~ x)
xx <- seq(min(x), max(x), length = 100)
p <- predict(fm, list(x = xx))
lines(p ~ xx, col = "red")

HighLine = (2*max(y) + min(y))/3
HighPoints = which(y >= boxplot.stats(y[y>HighLine])$stats[1])
HighY = mean(y[HighPoints])

LowLine = (max(y) + 2*min(y))/3
LowPoints = which(y <= boxplot.stats(y[y<LowLine])$stats[5])
LowY = mean(y[LowPoints])

x1 = max(x[HighPoints])
x2 = min(x[LowPoints])

plot(x,y)
lines(c(min(x), x1,x2, max(x)), c(HighY, HighY, LowY, LowY))