我们在这里讨论所谓的“分段线性回归模型”，因为它们利用包含虚拟变量的交互项。最近我们被客户要求撰写关于分段回归的研究报告，包括一些图形和统计输出。

读取数据

data=read.csv("artificial-cover.csv")

查看部分数据

head(data)##   tree.cover shurb.grass.cover
## 1       13.2              16.8
## 2       17.2              21.8
## 3       45.4              48.8
## 4       53.6              58.7
## 5       58.5              55.5
## 6       63.3              47.2


###########用lm拟合，主要注意部分是bs（age,knots=c(...)）这部分把自变量分成不同部分
fit =lm(tree.cover~bs(shurb.grass.cover ,knots
############进行预测，预测数据也要分区
pred= predict (fit , newdata =list(shurb.grass.cover =data$shurb.grass.cover),se=T)
#############然后画图
plot(fit)

可以构造一个相对复杂的 LOWESS 模型（span参数取小一些），然后和一个简单的模型比较，如：

qplot(x, y) + geom_smooth()  # 总趋势

散点图分为两部分

我们可以将原始散点图分为两部分，并拟合两条单独但相连的线。估计的分段式函数连接，在描述数据趋势方面做得更好。

因此，让我们为这些数据建立一个分段线性回归模型并可视化：

0) + geom_smooth() + theme(panel.background = element_rect(fill = 'white', colour = 'black'))

R语言分段回归数据分析案例报告相关推荐

R语言泊松回归模型案例:基于AER包的affair数据分析
R语言泊松回归模型案例:基于AER包的affair数据分析目录 R语言泊松回归模型案例基于AER包的affair数据分析 #数据加载
R语言Logistic回归模型案例基于AER包的affair数据分析
R语言Logistic回归模型案例基于AER包的affair数据目录 R语言Logistic回归模型案例基于AER包的affair数据 #数据加载及目标变量二值化
R语言cox回归模型案例（绘制列线图、校正曲线）：放疗是否会延长胰脏癌手术患者的生存时间
R语言cox回归模型案例(绘制列线图.校正曲线):放疗是否会延长胰脏癌手术患者的生存时间目录
R语言Logistic回归模型案例:低出生婴儿体重的影响因素分析（列线图、校准曲线）
R语言Logistic回归模型案例:低出生婴儿体重影响因素分析(列线图.校准曲线) 目录 R语言Logistic回归模型案例:低出生婴儿体重影响因素分析(列线图.校准曲线ÿ
R语言Logistic回归模型案例:分析吸烟、饮酒与食管癌的关系
R语言Logistic回归模型案例:分析吸烟.饮酒与食管癌的关系目录 R语言Logistic回归模型案例分析吸烟.饮酒与食管癌的关系 #样例数据
R语言Logistic回归模型案例（绘制列线图、校正曲线）：研究低出生体重婴儿的核心影像因素
R语言Logistic回归模型案例(绘制列线图.校正曲线):研究低出生体重婴儿的核心影像因素目录
R语言logistic回归、判别分析(LDA)、多元自适应样条回归MARS分析案例：分析乳腺癌数据集明确细针穿刺肿瘤活检结果
R语言logistic回归.判别分析(LDA).多元自适应样条回归MARS分析案例:分析乳腺癌数据集明确细针穿刺肿瘤活检结果目录
R语言泊松回归(poisson)模型案例:基于robust包的Breslow癫痫数据集
R语言泊松回归(poisson)模型案例:基于robust包的Breslow癫痫数据集目录 R语言泊松回归(poisson)模型案例:基于robust包的Breslow癫痫数据集 #数据加载
R语言分位数回归Quantile Regression分析租房价格
全文链接:http://tecdat.cn/?p=18422 本文想在R软件中更好地了解分位数回归优化.在查看分位数回归之前,让我们从样本中计算中位数或分位数(点击文末"阅读原文" ...

R语言分段回归数据分析案例报告

读取数据

R语言分段回归数据分析案例报告相关推荐

最新文章

热门文章