basicTrendline：CRAN最新发布的线性非线性拟合的R函数包介绍

CRAN官网链接： https://cran.r-project.org/web/packages/basicTrendline/index.html

使用过nls()来作非线性回归的朋友，感觉都要吐槽一下nls(formula, start = list(a =, b =)里面的起始值（a，b）的设定，n次都设不对是怎样一个感受？抓狂到想要放弃用R有木有？

其实我们只想要像excel里面添加趋势线那样简单，就能得到非线性回归方程的各个结果而已。

最新CRAN正式上线的R函数包——“basicTrendline” package 终于解决了这个问题。

先来看两张效果图（第一张为log线性回归，第二张为包含线性和非线性回归方程的组合图）：

闲言太多，步入正题！

R函数包”basicTrendline”到底用来干什么？

用于一步完成绘图，添加线性或非线性拟合线，在图上显示回归方程及R2和回归模型的p值（不是参数的p值）。 并且，它默认会同时输出模型summary()的结果，即各参数的具体数值及SD值，t值，p值等等。

一个严肃的问题：它结果可信吗？

我们已经检测了我们的R函数包“basicTrendline”, 它工作性能稳定；

更重要的是它的拟合结果和商业软件OriginPro完全相等；

甚至对幂函数power函数（y=a*x^b +c）比OriginPro软件更好

（更高的R2，更低的p值，因为我们采取了优于Origin软件的selfStart计算方法）！

在R中安装 “basicTrendline” 函数包

1. 直接从CRAN官方获取资源安装：

2. 使用Github资源安装：

使用 “basicTrendline” 函数包

建立 x，y数据集，比如：

然后运行：

你能用通用的函数 “trendline()”，但只需改变参数 model 的值，即可输出不同的回归模型的结果以及图。

参数“model” 的值为 ‘lin2P’,’line3P’,’log2P’,’exp3P’,’power3P’的其中一个。

“line2P” # y=a*x+b

“line3P” # y=a*x^2+b*x+c

“log2P” # y=a*ln(x)+b

“exp3P” # y=a*exp(b*x)+c

“power3P” # y=a*x^b+c)

创新点（再强调一下而已）

“basicTrendline”函数包对幂函数的拟合（’power3P’ model：y = ax^b +c）能得到比OriginPro软件更好的结果（更高的R^2,更低的p值）。为什么呢？因为我们采取了比OriginPro软件更高级的针对幂函数回归的selfStart算法呀，其实核心是OriginPro软件里面的幂函数回归没有考虑数据的 凹凸趋势（增凹趋势，降凸趋势等等，文末 Examples 的代码里有提到）。下面是例子:

formula as y=a*x^b +c

x

y

OriginPro软件结果:

c=-7344.578

a=7347.183

b=43224.4

adjR^2= 0.97129 # lower adjR^2 value

p-value of model=2.24891e-4

‘basicTrendline’函数包结果:

c=34.671

a=-32.703

b=-0.13999

adjR^2= 0.99346 > 0.97129 # higher (or better ) adjR^2 value

p-value of model= 2.44924-5 < 2.24891e-4

输出图