Ich habe 2 Variablen, beide aus der Klasse „numerisch“:
> head(y)
[1] 0.4651804 0.6185849 0.3766175 0.5489810 0.3695258 0.4002567
> head(x)
[1] 59.32820 68.46436 80.76974 132.90824 216.75995 153.25551
Ich habe sie gezeichnet und möchte nun ein Exponentialmodell an die Daten anpassen (und es dem hinzufügen) plot), aber ich kann keine Informationen zum Anpassen von Modellen an multivariate Daten in R finden! Kann jemand helfen, nur um Daten univariat zu machen? Ich weiß nicht einmal, wo ich anfangen soll … Danke!
Kommentare
- Das ist etwas verwirrend. Sie sagen, Sie haben zwei " unabhängige " Variablen (Ich bevorzuge " Prädiktor ", aber das ' ist nicht wichtig). Haben Sie eine " abhängige " / " Antwortvariablen " Wenn dies beide Antwortvariablen wären, könnte ich mir vorstellen, eine parametrische, bivariate Wahrscheinlichkeitsverteilung (mit oder ohne) anzupassen Prädiktorvariablen, von denen die Parameter der Verteilung ' abhingen) – oder eine Schätzung der 2D-Kerneldichte. Vielleicht könnten Sie den Kontext etwas genauer erklären (PS whoever ' Wenn Sie die Frage positiv bewerten, müssen Sie wissen, was es bedeutet … möchte sich jemand einschalten?)
- Auf jeden Fall ' d Gehen Sie besser zu crossvalidated.com für solche Fragen. oder zu einer obskuren Website namens Google. Es wurden Informationen zur Anpassung von Modellen an multivariate Daten gefunden. Sehr viel (4 Millionen zweihundertdreißigtausend, um genau zu sein)
- Ich ' würde bing empfehlen – es ist schließlich eine Entscheidungsmaschine, Suchmaschinen sind es Also 20. Jahrhundert … schauen Sie sich nur Yahoo an und fragen Sie Jeeves, wie irrelevant sie heute sind?!?
- @Ben Bolker – Vielen Dank für Ihre Hilfe, ich habe das Independent herausgenommen, weil es nicht korrekt war. Was ich habe, ist die Entfernung zwischen Standorten (x) und die Korrelation der Niederschläge zwischen Standorten (y).
- Beachten Sie, dass Sie spezielle Methoden anwenden müssen, wenn Sie statistische Rückschlüsse auf diese Daten ziehen möchten, denn wenn die Entfernungen wurden an einem gemeinsamen Satz von Orten berechnet, sie sind nicht unabhängig – Suche z für " Mantel-Test "
Antwort
Ich bin mir nicht ganz sicher, was Sie fragen, weil Ihr Jargon nicht stimmt. Aber vorausgesetzt, Ihre Variablen sind nicht unabhängig voneinander (wenn ja, dann Sie werden es nicht versuchen zu finden. Ich werde es versuchen. Wenn x Ihre unabhängige (oder Prädiktor-) Variable ist und y Ihre abhängige (oder Antwort-) Variable ist, sollte dies funktionieren.
# generate data beta <- 0.05 n <- 100 temp <- data.frame(y = exp(beta * seq(n)) + rnorm(n), x = seq(n)) # plot data plot(temp$x, temp$y) # fit non-linear model mod <- nls(y ~ exp(a + b * x), data = temp, start = list(a = 0, b = 0)) # add fitted curve lines(temp$x, predict(mod, list(x = temp$x))) Kommentare
- Danke für Ihre Antwort, ich habe das Wort unabhängige " Wie Sie bereits betont haben, ergab dies keinen ' Sinn. Wenn ich Ihren Code für meine Daten verwende, kann ich das Modell anpassen, aber das Ergebnis sind Dutzende von Linien im Diagramm anstelle von nur einer. Irgendeine Idee warum?
- @sbg – Nein, tut mir leid, ich kann mir ' keinen Grund dafür vorstellen. Passt
nls()zu einem Modell? - Ich denke schon, ich erhalte: Nichtlineares Regressionsmodell Modell: y ~ exp (a + b * x) Daten: DF ab -0.535834 -0.002024 verbleibende Quadratsumme: 18.62 Anzahl der Konvergenziterationen: 6 Erreichte Konvergenztoleranz: 8.08e-06
- @sbg Versuchen Sie, Ihre
xVariable:lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))