代码之家 › 专栏 › 技术社区 › Krantz

向贝塔回归模型绘制的曲线添加趋势

bayesian prediction regression ggplot2 r

0

Krantz · 技术社区 · 8 年前

我有下面的示例数据集和代码,如果您能帮助将趋势添加到beta回归模型的曲线中,以便可视化 yield 对于变量的值 temp 超出范围的 200-450 。

library(ggplot2)
library(plotly)
library(betareg)
data("GasolineYield", package = "betareg")
md <- betareg(yield ~ temp, data = GasolineYield,
                 link = "cloglog")

ggplotly(
ggplot(GasolineYield, aes(x = temp, y = yield)) +
geom_point(size = 4, aes(fill = batch), shape = 21) +
geom_line(aes(y = predict(md, GasolineYield)), col="red") +
theme_classic())

使现代化

结果我需要使用 pred.zoib 而不是 predict 因为我的数据 zero-and-one inflated ,而简单地将其中一个替换为另一个则不起作用,并会出现以下错误:

Error in FUN(X[[i]], ...) : object 'yield' not found

因此,我希望您能提供一些想法,帮助@Adela调整原始问题的答案,以实现相同的目标,但现在使用 zoib package 而不是 betareg package 。

给出了一个示例代码:

library(zoib)
re.md <- zoib(yield ~ temp | 1 | 1, data=GasolineYield,
joint = FALSE, random=1, EUID=GasolineYield$batch,
zero.inflation = FALSE, one.inflation = FALSE,
n.iter=3200, n.thin=15, n.burn=200)

1 回复 | 直到 8 年前

1

Adela 8 年前

您需要预测值为的新数据 temp 超出范围 200-450 。

请参见我的示例:

# predict with new data
df <- data.frame(yield = predict(md, data.frame(temp = seq(100, 600, 0.01))),
                 temp = seq(100, 600, 0.01))

# plot
ggplotly(
  ggplot() +
    geom_point(data = GasolineYield, 
               aes(x = temp, y = yield, fill = batch),
               size = 4, shape = 21) +
    xlim(100, 600) + 
    geom_line(data = df, aes(y = yield, x = temp), col="red") +
    theme_classic())