Jeg har 2 variabler, begge fra klasse “numerisk”:
> 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
Jeg plottede dem, og nu vil jeg gerne tilpasse en eksponentiel model til dataene (og tilføje den til plot), men jeg kan ikke finde nogen info om montering af modeller til multivariate data i R! Kan kun nogen hjælpe med univariate data? Jeg ved ikke engang, hvor jeg skal starte … Tak!
Kommentarer
- Dette er lidt forvirrende. Du siger, du har to " uafhængige " variabler (jeg foretrækker " forudsigende ", men at ' er ikke vigtigt). Har du nogen " afhængig " / " respons " variabler? Hvis disse begge var responsvariabler, kan jeg forestille mig at montere en parametrisk, bivariat sandsynlighedsfordeling (med eller uden forudsigelsesvariabler, som fordelingen ' s parametre var afhængige af) – eller et 2D-kernetæthedsestimat. Måske kan du forklare sammenhængen lidt mere. (PS hvem ' s opstemning af spørgsmålet skal vide, hvad det betyder … nogen bryr sig om at ringe ind?)
- Under alle omstændigheder ' d bedre gå til crossvalidated.com for sådanne spørgsmål. eller til et uklart websted kaldet Google. Det fandt oplysninger om tilpasning af modeller til multivariate data. En hel del (4 millioner to hundrede og tredive tusind for at være præcis)
- Jeg ' Jeg anbefaler bing – det er trods alt en beslutningsmotor, søgemaskiner er så det 20. århundrede … se bare på Yahoo og spørg Jeeves, hvor irrelevante er de i dag?!?
- @Ben Bolker – Tak for din hjælp, jeg har taget den uafhængige ud, fordi den ikke var korrekt. Hvad jeg har er afstanden mellem placeringer (x) og sammenhængen mellem nedbør mellem steder (y)
- bemærk, at du bliver nødt til at bruge specielle metoder, hvis du vil lave statistiske slutninger om disse data, for hvis afstande blev beregnet på et fælles sæt steder, de er ikke uafhængige – søg f.eks til " Manteltest "
Svar
Jeg er ikke helt sikker på, hvad du beder om, fordi din lingo er slået fra. Men forudsat at dine variabler ikke er uafhængige af hinanden (hvis de var, så de er ikke noget forhold at finde) Jeg prøver det. Hvis x er din uafhængige (eller forudsigende) variabel, og y er din afhængige (eller svar) variabel, skal dette fungere.
# 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))) Kommentarer
- tak for dit svar, jeg har taget ordet " uafhængig " ud, som du påpegede, gav det ikke ' ikke mening. Ved hjælp af din kode til mine data kan jeg passe til modellen, men resultatet er snesevis af linjer i grafen i stedet for kun en. Enhver ide hvorfor?
- @sbg – Nej, undskyld, jeg kan ' ikke tænke på en grund til. Passer
nls()til en model? - Jeg tror det, jeg får: Ikke-lineær regressionsmodel model: y ~ exp (a + b * x) data: DF ab -0.535834 -0.002024 resterende sum af kvadrater: 18.62 Antal iterationer til konvergens: 6 Opnået konvergentolerance: 8.08e-06
- @sbg prøv at sortere din
xvariabel:lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))