我正在尝试弄清楚如何在R中获得/绘制nls对象的置信度。
例如,下面是一个nls模型
bstick.lm.mean <- nls(TCTmean ~ cbind("intercept" = 1,
"l2Flow" = l2Flow,
"l2FlowBr" = ifelse(l2Flow > Br,
l2Flow - Br, 0)),
start = list(Br = 6),
algorithm = "plinear",
data = flow.new.sum.dat)所以bstick.lm.mean是一个nls类对象。
new.seq4 = seq(min(flow.new.sum.dat$l2Flow), max(flow.new.sum.dat$l2Flow), length = 200)
new.seq4 = data.frame(new.seq4)
names(new.seq4) = 'l2Flow'
pz = predict(bstick.lm.mean, newdata = new.seq4,
interval = 'confidence', se.fit = TRUE, level = 0.95)
test.frame2 = data.frame(new.seq4,pz)
ggplot(data = test.frame2)+
geom_point(mapping = aes(x = l2Flow, y = pz),
shape = 1, col = 'red') +
geom_point(data = test.frame,
aes(x = l2Flow, y = TCTmean),
shape = 0) +
theme(panel.grid.minor = element_blank(),
panel.background = element_blank(),
axis.line = element_line(colour = "black")) +
xlab("Log2 Flow (KL)") +
ylab("Mean Transformed Ct")生成以下绘图:

我的问题是,我如何才能获得这个非线性图的置信区间?我指的是回归线周围的波段。
发布于 2019-10-26 18:49:22
我从散点图中提取数据进行分析,并执行方程搜索。我发现几个不同的S型方程对数据拟合得最好,对于单个S型方程,用标准统计软件确定置信区间应该更简单。作为一个例子,下面是我对双曲Logistic sigmoidal方程"y = (a * pow(x,b)) / (c + pow(x,b))“的结果,其中参数a= 1.6177820755100655E+01,b= -1.5270446610701983E+01,c= 4.2601082365916449E-12,RMSE = 2.58,R平方= 0.85。同样,也有几个同样“好”的S型方程可供选择。


发布于 2020-01-10 18:35:23
关于变化点(断点)的不确定性的估计是出了名的难以分析。尝试R包mcp,它采用计算(贝叶斯)方法:
library(mcp)
model = list(
y ~ 1 + x, # Slope
~ 0 # joined plateau
)
fit = mcp(model, df)
plot(fit, q_fit = TRUE) # Plot with quantiles

红色线条是密度最高的区间,灰色线条是随机的后验绘制,蓝色曲线是变化点位置的后验分布。使用plot_pars(fit)和summary(fit)获取参数汇总和绘图,包括不确定性。
https://stackoverflow.com/questions/58566671
复制相似问题