考虑到正则图以间隔和引导的方式计算每个垃圾箱的置信区间,人工重新计算它们似乎是一种浪费,因此:
问题:如何访问回归图的计算方法和置信区间?
示例:--这段代码使用CIs生成了一个很好的bin方法:
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# just some random numbers to get started
fig, ax = plt.subplots()
x = np.random.uniform(-2, 2, 1000)
y = np.random.normal(x**2
我用linear regression和StatsModels做这个
import numpy as np
import statsmodels.api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
n = 100
x = np.linspace(0, 10, n)
e = np.random.normal(size=n)
y = 1 + 0.5*x + 2*e
X = sm.add_constant(x)
re = sm.OLS(y, X).fit()
print(re.summa
我有一个鸟类计数的数据框架。我有参与者的身份证号码,他们数的鸟数,他们数的年份,他们的长坐标和长坐标,以及他们的努力。我制作了这个模型:
model = lmer(count~year+lat+long+effort+(1|participant), data = df)
现在,我希望模型从相同的数据集中绘制预测值。所以,这是1997-2017年的数据,我希望模型能给我每年的预测值。我想要绘制这些,所以最后的图将有预测的计数在y轴上,年份(分类)在x轴上。每年将有一个数据点w/ a置信区间。
我已经试过找出predict(),但我不太确定如何使用它来获得我想要的东西。它似乎需要一个新的数据框架
我目前正在尝试使用glm来创建一个剂量反应曲线。我能够创建曲线使用生物名义族和概率函数在glm内,但想要绘制的曲线使用‘s图,而不是R的基本绘图功能。当比较基本的图形和图形的时候,由as图产生的曲线是不正确的,我不知道如何使它与基本的图相同。另外,当用gg线图绘制曲线时,置信度区间是不正确的。谢谢你的帮助。
library(ggplot2)
library(Hmisc)
library(plyr)
library(MASS)
create dataframe:
#1) column is exposure concentration
#2) column is the total nu
下面是一组虚构的概率数据,我用threshold of 0.5将其转换为二项式。我对离散数据运行了一个glm()模型,以检验glm()返回的区间是“平均预测区间”(“置信区间”)还是“点预测区间”(“预测区间”)。从下面的图上看,返回的区间是后一段--“点预测区间”;注,置信度为95%,2/20点在此样本的线外。
如果确实如此,如何生成R中使用glm()为0和1界的二项式数据集的“平均预测区间”(即“置信区间”)?请给出与我相似的代码和图,给出概率,“置信区间”和“预测间隔”。
# Fictitious data
xVal <- c(15,15,17,18,32,33,41,42,47,
我试图在R中绘制一个双向相互作用图,该图与logistic回归模型中的两个二分预测值(即DV也是二分的),这样y轴将显示概率和预测值,并具有SE条形图。
我尝试过使用afex_plot:
glm <- glm(Y ~ X*Z, data = Data,
family = "binomial")
library("afex")
afex_plot(glm, X", "Y")
并收到以下错误:
Error in tbl[, vars, drop = FALSE] : incorrect number of d