用ggplot预测零膨胀GLM的响应

Question

我有一个glm，它是我用ggplot绘制的，用如下的置信区间来查看预测的响应曲线，它工作得很好：

glm7 <- glm(dataset_presence$dcalls ~ dataset_presence$ui_avg, family=poisson(link="log"))
summary(glm7)

p7 <- ggplot(dataset_presence, aes(ui_avg, dcalls)) + geom_point() + geom_smooth(method="glm", method.args = list(family = poisson(link = "log")))

p7 + scale_y_log10() + ggtitle("Predicted dcalls as function of upwelling index") + xlab("upwelling index") + ylab("log10(dcalls)") + geom_label(x=20, y=1, label="p<2e-16")

我想对这个模型的零膨胀版本这样做，但是我不知道我必须包括什么才能让ggplot(dataset_presence, aes(zeroinfl做到这一点：

glm7.zero <- zeroinfl(formula = dataset_presence$dcalls ~ dataset_presence$ui_avg | dataset_presence$ui_avg, data = dataset_presence, dist = "poisson", link = "log")

summary(glm7.zero)

p7.zero <- ggplot(dataset_presence, aes(zeroinfl(ui_avg, dcalls)) + geom_point() + geom_smooth(method="glm", method.args = list(family = poisson(link = "log"))) 

p7.zero + scale_y_log10() + ggtitle("Predicted dcalls as function of upwelling index") + xlab("upwelling index") + ylab("log10(dcalls)") + geom_label(x=20, y=1, label="p<2e-16")

Answer 1

非常感谢。

是的，以下是数据集：

head(dataset_presence) Date Int_Bk ui_avg ui_sd dcall sep2 presence ui_lag02 5 2016-01-12 -9044.3 1.136538 4.502629 41 2 1 NA 6 2016-01-13 -8761.7 -1.841046 12.318525 17 0 1 NA 7 2016-01-14 -8930.4 3.887893 12.243056 0 1 1 1.136538 8 2016-01- 01-15 -9267.8 10.980019 7.707563 0 0 0 -1.841046 9 2016-01-16 -9092.2 19.544113 15.408313 0 0 0 3.887893 10 2016-01-17 -9146.0 1.304933 13.310565 0 0 0 10.980019 dput(dataset_presence)结构(list(Date= structure(c(16812，16813、16814、16815、16816、16817、16818、16819、16820、16821、16822、16823、16824、16825、16826、16827、16828、16829、16830、16831、16832、16833、16834、16835、16836、16837、16838、16839、16840、16841、16842、...........