我一直在努力使我的数据符合逻辑曲线。我遇到了两个不同的包,我一直在使用。 DRM
和NLS
,所以从drm
开始,我能够拟合一个可视化如下的模型。
现在我的问题是模型摘要。
Text
:
Formula: percent_farm_tractor ~ SSlogis(year, Asym, xmid, scal)
Parameters:
Estimate Std. Error t value Pr(>|t|)
Asym 2.265 2.527 0.896 0.4207
xmid 1975.306 17.589 112.305 3.77e-08 ***
scal 9.575 2.674 3.580 0.0232 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.03798 on 4 degrees of freedom
Number of iterations to convergence: 0
Achieved convergence tolerance: 5.703e-06
除非我不正确地解释这个,否则b
系数代表斜率。当模型拟合图甚至显示随着年份增加的趋势时,这怎么可能是负面的?
nls模型确实为slope
返回一个正数,但我无法使用nls包来处理其余的数据。
谢谢
编辑:
我使用split
获取多个data.frames,每个datasframes包含与县相关的多个记录,每个记录是不同的年份。例如,这里有2个不同的data.frame代表2个不同的县:
`示例县1
year state county name percent_farm_tractor stateAbb fips colorID
2 1925 1 3 BALDWIN 0.06760000 AL 1003 1
69 1930 1 3 BALDWIN 0.08679707 AL 1003 2
136 1940 1 3 BALDWIN 0.19938885 AL 1003 3
203 1950 1 3 BALDWIN 0.44627821 AL 1003 7
270 1954 1 3 BALDWIN 0.56669298 AL 1003 9
337 1964 1 3 BALDWIN 0.75094340 AL 1003 12
404 1969 1 3 BALDWIN 0.89988623 AL 1003 14
Sample County 2
:
year state county name percent_farm_tractor stateAbb fips colorID
476 1925 5 13 CALHOUN 0.000000000 AR 5013 1
551 1930 5 13 CALHOUN 0.006680027 AR 5013 1
626 1940 5 13 CALHOUN 0.027145359 AR 5013 1
701 1950 5 13 CALHOUN 0.187435633 AR 5013 3
776 1954 5 13 CALHOUN 0.333333333 AR 5013 5
851 1964 5 13 CALHOUN 0.530150754 AR 5013 8
926 1969 5 13 CALHOUN 0.929824561 AR 5013 14
我将drm
应用于以下每个data.frames:
j <- 1
params <- data.frame()
for(j in 1:length(split_df)){
if(nrow(split_df[[j]]) != 1){
mL <- drm(percent_farm_tractor ~ year, data =
as.data.frame(split_df[[j]]), fct = L.3(), type = "continuous")
params <- rbind(params, coef(mL))
}
}
基本上每个县都有一个负斜率值,这似乎非常直观,因为基本上每个县都有一个积极的趋势,因为年增加。
tl; dr只需翻转标志;这是一个不寻常的参数化,其中负b
对应于增加的函数。 (我不知道为什么我之前从未注意到这一点;也许是因为我一般都专注于拦截/ ED50参数......)
这是?drc::logistic
中广义逻辑的表达式:
f(x) = c + \frac{d-c}{(1+\exp(b(x - e)))^f}
对于三参数逻辑,c = 0,f = 1,所以我们有
f(x) = \frac{d}{(1+\exp(b(x - e)))}
很容易看出d
是上部渐近线,而e
是半最大值(当x=e
时,等式减少到\frac{d}{(1+\exp(0)} = d/2
)。 b
确实是一个斜坡,但关键是对于x>e
而言,分母是b
的增加函数;这意味着整体表达是b
的递减函数。
这与逻辑的更标准的参数化形成对比,后者在斜率之前添加负号,例如,来自plogis
:
F(x) = 1 / (1 + exp(-(x-m)/s))
请注意qazxsw poi之前的qazxsw poi!这里qazxsw poi是一个尺度,-
是半最大值,(x-m)/s
是斜率...