逻辑回归代码错误

Question

我正在使用 PopulationGrowth.csv 编写以下脚本：

dat <-read.csv("/Path/PopulationGrowth.csv")
class = "data.frame", row.names=c(NA,-16L)
m1 <- nls(pop~SSlogis(Year,asym,xmid,scal),data=dat)
par(las=1,bty="l",mar=c(5,6,2,2)+0.1)  ## graphics tweaks
with(dat,plot(CentralOakland~Year,ylab=""))
mtext("Population",side=2,las=0,line=4)
yearvec <- 1940:2010
lines(yearvec,predict(m1,newdata=data.frame(Year=yearvec)))

在最后一行之后出现以下错误：

Error in predict(m1, newdata = data.frame(Year = yearvec)) : object 'm1' not found

这是我正在处理的数据：

Year CentralOakland
1940 7852 
1950 8452
1960 6701
1970 6135
1980 5872
1990 5406
2000 5281
2010 6086

我还试图预测未来 30 年的人口趋势。有理由相信，在接下来的 30 年里，人口将会增加。预测这个需要什么函数？

请耐心等待，我是 R 新手。

Answer 1

这里有一些小故障：

• 你没有给我们一个可重现的例子：参见例如http://tinyurl.com/reproducible-000 ...
• 你可能想要read.csv而不是read.table
• 我不知道quartz=(title...) 在做什么。也许quartz(title=...)？无论如何，使用plot() 应该会自动打开一个新的图形窗口
• 使用attach 通常是个坏主意
• 使用lines 而不是curve 将新的（例如）预测数据集添加到绘图中。对于线性回归的具体情况（见下一点），您可以使用abline。
• 到目前为止最重要的是：您在这里所做的不是逻辑回归 - 它使用 glm 来拟合普通线性模型（最小二乘回归），也可以是通过lm() 更容易实现。逻辑回归将使用family=binomial 而不是family=gaussian。此外，逻辑回归适用于二元响应变量，因此 不太适合对奥克兰中部的人口进行建模 ...我怀疑您混淆了逻辑回归 和逻辑 增长曲线 ...

这是一些修改后的代码：

dat <- read.csv("/Path/PopulationGrowth.csv")
with(dat,plot(Year,CentralOakland,xlab="Year",ylab="Population",
  main="Central Oakland Population vs. Year"))
g <- lm(CentralOakland~Year,data=dat)
abline(g)
## OR
yearvec <- seq(min(Year),max(Year),length=51)
lines(yearvec,predict(g,newdata=data.frame(Year=yearvec),type="response"))

另一方面，也许这就是你真正想做的（你没有给我们数据，所以我去了维基百科并得到了一些......）

## from http://en.wikipedia.org/wiki/Oakland,_California
dat <- structure(list(year = c(1860L, 1870L, 1880L, 1890L, 1900L, 1910L, 
1920L, 1930L, 1940L, 1950L, 1960L, 1970L, 1980L, 1990L, 2000L, 
2010L), pop = c(1543L, 10500L, 34555L, 48682L, 66960L, 150174L, 
216261L, 284063L, 302163L, 384575L, 367548L, 361561L, 339337L, 
372242L, 399484L, 390724L)), .Names = c("year", "pop"), 
  class = "data.frame", row.names = c(NA,-16L))

拟合：

## SSlogis() is a "self-starting" logistic
m1 <- nls(pop~SSlogis(year,asym,xmid,scal),
          data=dat)

绘图：

par(las=1,bty="l",mar=c(5,6,2,2)+0.1)  ## graphics tweaks
with(dat,plot(pop~year,ylab=""))
## add y-label separately 
mtext("population",side=2,las=0,line=4)
yearvec <- 1860:2010
lines(yearvec,predict(m1,newdata=data.frame(year=yearvec)))