时间戳

首页 > 解决方案 > 功率回归中stat_smooth和lm（使用log）之间的R差异？

r - 功率回归中stat_smooth和lm（使用log）之间的R差异？

问题描述

我有一些数据：

library(ggplot2)    
x <-c(2600248.25,1303899.14285714,1370136.33333333,353105.857142857, 145446.952380952,299032,75142.2631578947,40381.1818181818,6133.93103448276,975.234567901235,779.341463414634)
    y <- c(4,7,6,14,21,9,19,22,29,81,41)

我试图对此进行回归和绘图。我的问题是我想进行回归并根据我的数据绘制它，但是当我在对数值上使用 lm 时，预测和绘制与 stat_smooth 相比，我得到了一些不同的结果。考虑代码：

    fit0 <- lm(log(y) ~ log(x))
    summary(fit0)

    newx <- x
    lm.fit <- predict(fit0, newdata = data.frame(x=newx), interval = "confidence")
    df <- as.data.frame(cbind(x,y,lm.fit))

    p <- ggplot(df, aes(x,y)) + geom_point() + geom_smooth(method = "lm", formula ="y~x") + scale_x_log10() + scale_y_log10()

p <- p + geom_line(aes(y=fit)) # result too low
p <- p +  geom_line(aes(y=10^fit)) # result too high

如所见，我已经尝试过使用日志结果并使用 10^x 转换回来。照原样，两个线性模型应该显示相同的值吗？这里有什么问题，我如何获得正确的值？

（我的最终目标是能够绘制预测区间）

标签： rggplot2regressionlinear-regressionlm

解决方案

您使用log10scale onggplot但log进行计算。在 R 中，仅使用log()意味着您使用的是自然对数。当您改为使用时，您会发现和log10()没有区别。由于只是调用例程，因此预期输出相同。geom_smoothlmggplotlm

library(ggplot2)    
x <-c(2600248.25,1303899.14285714,1370136.33333333,353105.857142857, 145446.952380952,299032,75142.2631578947,40381.1818181818,6133.93103448276,975.234567901235,779.341463414634)
y <- c(4,7,6,14,21,9,19,22,29,81,41)

fit0 <- lm(log10(y) ~ log10(x))
summary(fit0)

newx <- x
fit <- predict(fit0, newdata = data.frame(x=newx), interval = "confidence")
df <- as.data.frame(cbind(x,y))

p <- ggplot(df, aes(x,y)) + geom_point() + geom_smooth(method = "lm", formula ="y~x") + scale_x_log10() + scale_y_log10()
p <- p +  geom_line(aes(y=10^fit[,1])) 
p

黑线和蓝线重叠，所以很难看到。不过，这是输出图： 输出

有关详细信息，请查看文档。

log计算对数，默认情况下为自然对数，log10计算常用（即以 10 为底）对数，并log2计算二进制（即以 2 为底）对数。一般形式log(x, base)计算以底为底的对数。

推荐阅读