【问题标题】:How fitting two different lines in one single model in R?如何在 R 中的一个模型中拟合两条不同的线?
【发布时间】:2015-07-09 10:23:32
【问题描述】:

我们有两个数据集 (X1,Y1) 和 (X2,Y2)。如果它们似乎有不同的截距和不同的斜率,我如何使用单个线性模型来绘制两条拟合线?同时,使用同一个模型拟合两条不同的线和使用两个不同的线性模型有什么区别?

【问题讨论】:

  • 您应该包含一个最小(可重现)的示例。
  • 假设 x1=1,2,3,4,5 y1=1.1,2.2,3.3,4.4,5.5; x1=6,7,8,9,10 y2=5,4,3,2,1,那么有什么合适的单一模型可以给我两条不同的拟合线?会不会是:y=a1*1{如果 x 是 x1}+a2*1{如果 x 是 x2}+b1*x*1{如果 x 是 x1}+b2*x*1{如果 x 是 x2} +e
  • 您上一条评论中的y 是什么?您只定义了y1 和y2...
  • 我用 y 作为 y1 y2 的组合集
  • 你真的应该提供R代码! “结合”是什么意思?例如,它可能是c(y1,y2) 或cbind(y1,y2)...

标签: r linear-regression model-fitting


【解决方案1】:

您只需添加一个区分两个数据集的“虚拟”变量。虚拟变量是 1 或 0。带有预测变量的多元回归是分类的,通常使用虚拟变量——下次你做一个时看看model.matrix,你会看到。无论如何,这应该做你想要的:

x1 <- rnorm(100)
y1 <- x1*0.5 + 2 + rnorm(100, sd=0.001)

x2 <- rnorm(100)
y2 <- x2*0.25 + 2.5 + rnorm(100, sd=0.001)

x3 <- c(rep(0, length(x1)), rep(1, length(x2))) # dummy variable indicating origin of data
data <- data.frame(dummy=x3, x=c(x1,x2), y=c(y1,y2))

(model.out1 <- lm(y1~x1))
(model.out2 <- lm(y2~x2))
(model.out3 <- lm(y~x*dummy, data=data))

pred.model3.1 <- predict(model.out3, newdata=data[x3==0,]) # using the "combined" model, but providing "newdata" for the regression line corresponding to x1 an y1
pred.model3.2 <- predict(model.out3, newdata=data[x3==1,]) # same as above, but for x2 and y2

plot(data[,c("x","y")])
lines(data[x3==0,"x"], pred.model3.1, col="red")
lines(data[x3==1,"x"], pred.model3.2, col="blue")
legend("topleft", title="All from combined model", legend=c("x1 y1", "x2 y2"), col=c("red","blue"), lty=1)

编辑:我忘了回答统计问题。如果您想要这方面的更详细的答案,我建议检查交叉验证。但是为了完整性,做两个单独的回归和用一个虚拟变量做组合回归的主要区别在于,在第二种情况下,只有 1 个误差项(因此只有 1 个残差方差),并且还有参数描述关系之间的差异。因此它们因交互而不同,并且只有 1 个错误。但是,关于斜率和截距,它们几乎相同。

【讨论】:

    猜你喜欢
    • 2021-08-31
    • 2010-12-20
    • 2013-02-26
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多