我写了一个二项式回归模型来预测火成岩石的普遍性。v
,在一个考古遗址,根据靠近河流的程度。river_dist
但当我使用predict()函数时,我得到的是奇怪的周期性结果,而不是我所期望的曲线。作为参考,我的数据。
v n river_dist
1 102 256 1040
2 1 11 720
3 19 24 475
4 12 15 611
我将其拟合到这个模型中
library(bbmle)
m_r <- mle2(ig$v ~ dbinom(size=ig$n, prob = 1/(1+exp(-(a + br * river_dist)))),
start = list(a = 0, br = 0), data = ig)
这产生了一个系数,经过反演,表明在离河边每米的地方 火成岩的可能性降低了0. 4%(br=0. 996)。
exp(coef(m_r))
这很好 但是当我尝试预测新的值时,我得到了这种奇怪的循环值。
newdat <- data.frame(river_dist=seq(min(ig$river_dist), max(ig$river_dist),len=100))
newdat$v <- predict(m_r, newdata=newdat, type="response")
plot(v~river_dist, data=ig, col="red4")
lines(v ~ river_dist, newdat, col="green4", lwd=2)
预测值的例子
river_dist v
1 475.0000 216.855114
2 480.7071 9.285536
3 486.4141 20.187424
4 492.1212 12.571487
5 497.8283 213.762248
6 503.5354 9.150584
7 509.2424 19.888471
8 514.9495 12.381805
9 520.6566 210.476312
10 526.3636 9.007289
11 532.0707 19.571218
12 537.7778 12.180629
为什么这些值会这样循环上升和下降 当绘制图表时产生疯狂的尖峰?
为了让 newdata
来工作,你必须将变量指定为 "原始 "值,而不是使用 $
:
library(bbmle)
m_r <- mle2(v ~ dbinom(size=n, prob = 1/(1+exp(-(a + br * river_dist)))),
start = list(a = 0, br = 0), data = ig)
在这一点上,正如@user20650所建议的那样,你还必须指定一个(或多个)值,以表示 n
在 newdata
.
这个模型似乎与二项式回归相同:是否有理由不使用。
glm(cbind(v,n-v) ~ river_dist, data=ig, family=binomial)
? (bbmle:mle2
比较笼统,但 glm
是更稳健的。" (另外:对四个数据点拟合两个参数在理论上是可以的,但不要把结果推得太远......特别是,GLMMLE的很多默认结果都是渐变的。) (另:对四个数据点拟合两个参数,理论上是可以的,但不要试图把结果推得太远......特别是GLMMLE的很多默认结果都是渐变的......)
其实,在仔细检查MLE拟合与GLM的对应关系时,我发现默认的方法("BFGS",由于历史原因)其实并没有给出正确的答案(!);换成了 method="Nelder-Mead"
改善事情。 增加 control=list(parscale=c(a=1,br=0.001))
到参数列表中。或 缩放河流距离(例如,从 "1米 "到 "100米 "或 "1公里 "作为单位),也会解决这个问题。
m_r <- mle2(v ~ dbinom(size=n,
prob = 1/(1+exp(-(a + br * river_dist)))),
start = list(a = 0, br = 0), data = ig,
method="Nelder-Mead")
pframe <- data.frame(river_dist=seq(500,1000,length=51),n=1)
pframe$prop <- predict(m_r, newdata=pframe, type="response")
CIs <- lapply(seq(nrow(ig)),
function(i) prop.test(ig[i,"v"],ig[i,"n"])$conf.int)
ig2 <- data.frame(ig,setNames(as.data.frame(do.call(rbind,CIs)),
c("lwr","upr")))
library(ggplot2); theme_set(theme_bw())
ggplot(ig2,aes(river_dist,v/n))+
geom_point(aes(size=n)) +
geom_linerange(aes(ymin=lwr,ymax=upr)) +
geom_smooth(method="glm",
method.args=list(family=binomial),
aes(weight=n))+
geom_line(data=pframe,aes(y=prop),colour="red")
最后,请注意,你的第三个最远地点是一个离群值(尽管样本量小,这并不影响)。