用于绘制多条线的循环 lm 预测答案

【问题标题】：loop lm predictions for plotting multiple lines用于绘制多条线的循环 lm 预测
【发布时间】：2017-11-17 06:31:23
【问题描述】：

我想为每个 ID 绘制线性模型线。

如何使用不同长度的序列为多个lms（或glms）创建预测？我试过了：

#some fake data
res<-runif(60,1,20)
var<-runif(60,10,50)
ID<-rep(c("A","B","B","C","C","C"),10)
data<- data.frame(ID,res,var)

#lm
library(data.table)
dt <- data.table(data,key="ID")
fits <- lapply(unique(data$ID),
function(z)lm(res~var, data=dt[J(z),], y=T))

#sequence for each ID of length var(ID)
mins<-matrix(with(data, tapply(var,ID,min)))
mins1<-mins[,1]
maxs<-matrix(with(data,tapply(var,ID,max)))
maxs1<-maxs[,1]
my_var<-list()
for(i in 1:3){
 my_var[[i]]<- seq(from=mins1[[i]],to=maxs1[[i]],by=1)
}

# predict on sequences
predslist<- list()
predslist[[i]] <- for(i in 1:3){
  dat<-fits[[i]]
  predict(dat,newdata= data.frame("var"= my_var,type= "response", se=TRUE))
}

预测结果错误

【问题讨论】：

那么你到底卡在哪里了？绘图部分？你希望情节看起来像什么？我不确定我是否理解您想要的输出。
这能回答你的问题吗？ stackoverflow.com/questions/24356683/… 这是此 SO 搜索的三个热门之一。
进一步的问题：???lms。我在 CRAN 中没有看到 lms 包。一定是发生了某种代码遗漏。
我被困在脚本的最后一部分，我想预测序列上的模型。所需的输出是一个图，每个 ID 都有一条线。该行显示了 ID[i] 沿序列 [i] 的 lm 预测，其范围从 ID[i] 的 var 的最小值到最大值

标签： r loops subset lm predict

【解决方案1】：

你追求的是这样的东西吗？

# generating some fake data
ID <- rep(letters[1:4],each=10)
x <- rnorm(40,mean=5,sd=10)
y <- as.numeric(as.factor(ID))*x + rnorm(40)

# plotting in base R
plot(x, y, col=as.factor(ID), pch=16)

# calling lm() and adding lines
lmlist <- lapply(sort(unique(ID)), function(i) lm(y[ID==i]~x[ID==i]))
for(i in 1:length(lmlist)) abline(lmlist[[i]], col=i)

不知道绘图部分是否是您卡住的地方，但如果您传入从lm() 返回的对象，abline() 函数将绘制一条最小二乘线。

如果您希望最小二乘线以最小和最大 x 值开始和结束，这里有一个解决方法。它不漂亮，但似乎有效。

plot(x, y, col=as.factor(ID), pch=16)
IDnum <- as.numeric(as.factor(ID))
for(i in 1:length(lmlist)) lines(x[IDnum==i], predict(lmlist[[i]]), col=i)

【讨论】：

谢谢，不错的短文。但我收到一个错误：错误：意外'for' in：“lmlist
很抱歉 - 缺少括号。现已修复。
谢谢，好文。唯一不理想的是线条的长度。它们应该只跨越 ID[i] 的 x 范围。
非常感谢，完美。

【解决方案2】：

仅在 ggplot 中为 var[i] 范围绘制 lm 行：

library(ggplot2)
# create ID, x, y as coded by Matt
p <- qplot(x, y)
p + geom_smooth(aes(group=ID), method="lm", size=1, se=F)

【讨论】：

不错！这更容易。