Подтвердить что ты не робот

R Построение доверительных диапазонов с помощью ggplot

Я хотел бы создать доверительный диапазон для модели с такими gls, как это:

require(ggplot2)
require(nlme)

mp <-data.frame(year=c(1990:2010))

mp$wav <- rnorm(nrow(mp))*cos(2*pi*mp$year)+2*sin(rnorm(nrow(mp)*pi*mp$wav))+5
mp$wow <- rnorm(nrow(mp))*mp$wav+rnorm(nrow(mp))*mp$wav^3

m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))

mp$fit <- as.numeric(fitted(m01))

p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_line(aes(year,fit))
p

Это отображает только установленные значения и данные, и мне хотелось бы что-то в стиле

p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_smooth()
p

но с полосами, генерируемыми моделью gls.

Спасибо!

Ответ 1

require(ggplot2)
require(nlme)

set.seed(101)
mp <-data.frame(year=1990:2010)
N <- nrow(mp)

mp <- within(mp,
         {
             wav <- rnorm(N)*cos(2*pi*year)+rnorm(N)*sin(2*pi*year)+5
             wow <- rnorm(N)*wav+rnorm(N)*wav^3
         })

m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))

Получите установленные значения (то же, что и m01$fitted)

fit <- predict(m01)

Обычно мы можем использовать что-то вроде predict(...,se.fit=TRUE) для получения доверительных интервалов для прогноза, но gls не предоставляет эту возможность. Мы используем рецепт, подобный рецепту, показанному на http://glmm.wikidot.com/faq:

V <- vcov(m01)
X <- model.matrix(~poly(wav,3),data=mp)
se.fit <- sqrt(diag(X %*% V %*% t(X)))

Сопоставьте "кадр предсказания":

predframe <- with(mp,data.frame(year,wav,
                                wow=fit,lwr=fit-1.96*se.fit,upr=fit+1.96*se.fit))

Теперь построим с geom_ribbon

(p1 <- ggplot(mp, aes(year, wow))+
    geom_point()+
    geom_line(data=predframe)+
    geom_ribbon(data=predframe,aes(ymin=lwr,ymax=upr),alpha=0.3))

Легче видеть, что мы получили правильный ответ, если мы строим против wav, а не year:

(p2 <- ggplot(mp, aes(wav, wow))+
    geom_point()+
    geom_line(data=predframe)+
    geom_ribbon(data=predframe,aes(ymin=lwr,ymax=upr),alpha=0.3))

Было бы неплохо делать прогнозы с большим разрешением, но немного сложно сделать это с результатами poly() fits - см. ?makepredictcall.