如何在 cran R 的 3d 图中找到置信区间？

Question

我有这个用 cran R 绘制的 3d 图

rb = rep(seq(0.1, 1, 0.1), 10)
ro = sort(rb)
lods = runif(100) #create a random LOD score

library(scatterplot3d)
lodsplot<- scatterplot3d(rb, ro, lods)

我使用 max(lods) 找到了 LOD 分数的最大值，因此找到了各自的 rb 和 ro。现在，我想找到 rb 和 ro 的 95% CI。假设 max(lods) = 0.8 并且 rb 和 ro 分别为 0.2 和 0.3，我想到了使用以下方法绘制平面：

lodsplot$plane3d(c(0.2, 0.3, 0.8))

然后找到平面上方的点（我不知道该怎么做）。我的想法正确吗？谢谢！

注意：

如果我只是做一个 2d 绘图，我会这样做：

plot(rb, lods, type = "l)
which(lods == max(lods))
limit = max(lods) - 1.92
abline(h = limit)
#Find intersect points:
above <- lr > limit
intersect.points <- which(diff(above) != 0)



    

Answer 1

您需要找到定义假设的 95% 上限的平面上方的点，您建议具有以下等式：

 lods = 0.2+ 0.3*rb+ 0.8*ro

所以计算满足隐式不等式的点的项数：

high <- which(lods > 0.2+ 0.3*rb+ 0.8*ro)

还有情节：

png()
lodsplot<- scatterplot3d(rb, ro, lods)
high <- which(lods > 0.2+ 0.3*rb+ 0.8*ro)
lodsplot$plane3d(c(0.2, 0.3, 0.8))
lodsplot$points3d( rb[high], ro[high], lods[high], col="red"); dev.off()

请注意，scatterplot3d 中的 plane3d 函数也接受来自 lm 或 glm 的结果，因此您可以首先计算一个模型，其中 lods ~ rb +ro 然后使用 predict( ..., type="response") 计算 95% 的预测表面，并使用此方法为点着色。请参阅：predict and multiplicative variables / interaction terms in probit regressions，了解在公认更复杂的模型上的等效程序的工作示例。

您还可以在 [r] prediction surface 上进行搜索并找到其他可能有用的答案，例如 BenBolker 建议使用 rgl："A: scatterplot3d for Response Surface in R"