Rのsmatrパッケージを使用して長軸適合の信頼区間をプロットする方法は？ - r、信頼区間

を使用してSMAをアロメトリーデータにフィットさせています smatr Rでパッキングすると、つぎの式で計算された95％信頼区間をプロットするのが困難 sma() コマンド。

パッケージのドキュメントのサンプルデータを使用して、xyデータとSMAフィットのプロットに95％信頼区間の上限と下限を追加するにはどうすればよいですか

# Load leaf lifetime dataset:
data(leaflife)

# Fit SMA
ft <- sma(longev~lma, data=leaflife, log="xy", method="SMA")

#plot data and fit
plot(ft, log="xy")

プロットに95％信頼区間の線を追加する方法を教えてください。

ありがとうございました！

回答：

私は最近この問題を抱えていて、smatrパッケージは予測について信頼区間を返しません。

しかし、これらはランダムなデータセットが同じモデルに対して何度も作成されるブートストラップ。切片と傾斜のすべてを抽出すると、予測の周囲に95％の信頼区間を得ることができます。

これを行うにはおそらく多くの方法がありますが、私はTidyverseを使ってそれを行いました。これはパッケージを使います model, purrr, dplyr 誰かがもっと洗練された解決策を持っているなら私に知らせてください。

モデルを実行する前にlog10変換を行うと、ggplot2で点と予測をプロットするのが簡単になります。

# smatr bootstrap example

# load packages
library(smatr)
library(dplyr)
library(purrr)
library(tidyr)
library(ggplot2)

# load data
data(leaflife)

# make columns log scale
leaflife <- mutate(leaflife, log_longev = log10(longev),
log_lma = log10(lma))

# fit sma
mod <- sma(log_longev ~ log_lma, data=leaflife, method="SMA")

# plot model
plot(mod)

# create new data set of log_lma at a high resolution (200 points from min to max)
preds <- data.frame(expand.grid(log_lma = seq(min(leaflife$log_lma, na.rm = T), max(leaflife$log_lma, na.rm = T), length.out = 200), stringsAsFactors = FALSE))

# bootstrap data and get predictions
preds <- leaflife %>%
# create new bootstrapped data sets
modelr::bootstrap(n = 1000, id = "boot_num") %>%
# fit sma to every bootstrap
group_by(boot_num) %>%
mutate(., fit = map(strap, ~ sma(log_longev ~ log_lma, data=data.frame(.), method="SMA"))) %>%
ungroup() %>%
# extract intercept and slope from each fit
mutate(., intercept = map_dbl(fit, ~coef(.x)[1]),
slope = map_dbl(fit, ~coef(.x)[2])) %>%
select(., -fit) %>%
# get fitted values for each bootstrapped model
# uses the preds dataframe we made earlier
group_by(boot_num) %>%
do(data.frame(fitted = .$intercept + .$slope*preds$log_lma,
log_lma = preds$log_lma)) %>%
ungroup() %>%
# calculate the 2.5% and 97.5% quantiles at each log_lma value
group_by(., log_lma) %>%
dplyr::summarise(., conf_low = quantile(fitted, 0.025),
conf_high = quantile(fitted, 0.975)) %>%
ungroup() %>%
# add fitted value of actual unbootstrapped model
mutate(., log_longev = coef(mod)[1] + coef(mod)[2]*log_lma)

# plot with ggplot
ggplot(leaflife, aes(log_lma, log_longev)) +
geom_point() +
geom_line(data = preds) +
geom_ribbon(aes(ymin = conf_low, ymax = conf_high), alpha = 0.1, preds) +
theme_bw()

これはこのプロットを与える