原文链接:http://tecdat.cn/?p=23697
咱们应用 R 库 mgcv,用狭义加性模型(GAMs)对环境数据进行建模。mgcv 是一个平凡的库,具备丰盛的性能,但咱们常常发现,默认的诊断图并不令人振奋。特地是偏残差图,性能很强,但不丑陋,残差简直看不见。咱们须要依据这些代码来制作本人的偏回归平滑图。
1) 根本的数据设置
咱们正在应用这里探讨的数据集。咱们应用的是国家发病率和死亡率空气污染钻研(NMMAPS)的数据。咱们将数据限度在 1997-2000 年。
data\[date>as.Date("1996-12-31"),\]
2) 简略的 GAM 模型 – 温度对臭氧
在这个例子中,咱们放弃模型的简略性 – 应用高斯数据,繁多预测因子。咱们对温度与臭氧进行建模,咱们将输入默认的偏残差图。
# 模型 - 温度对臭氧的影响
plot(gam)
这个图能够改良?
3) 从新制作偏残差图
偏残差图 (_Partial Residual_ Plot) 是多元回归中罕用的诊断工具,特地是评估模型中在一个或另一个解释变量中是否蕴含非线性项。在多元回归 y =β0+β1×1+…+βpxp+ ε 中,若欲反映其中变量 Xj 与因变量 y 之间的关系并用图形显示,其办法之一是用偏残差图。
在这里,咱们退出平滑项、置信区间和偏残差。
# 咱们能够在多边形的顶部增加线条
qplot(temp, fit, type="n")+poly(c(temp, rev(temp)),
c(low95,rev(up95))# 对于置信度的灰色多边形
在最初一步,咱们要退出偏残差自身。偏残差是平滑项的估计值 + 整个模型的残差。
# 增加偏残差。points(temp,partial.resids)
为便于参考,这里是残缺模型的摘要。
模型 – 温度对臭氧的影响
最受欢迎的见解
1.R 语言多元 Logistic 逻辑回归 利用案例
2. 面板平滑转移回归 (PSTR) 剖析案例实现
3.matlab 中的偏最小二乘回归(PLSR)和主成分回归(PCR)
4.R 语言泊松 Poisson 回归模型剖析案例
5. R 语言混合效应逻辑回归 Logistic 模型剖析肺癌
6.r 语言中对 LASSO 回归,Ridge 岭回归和 Elastic Net 模型实现
7. R 语言逻辑回归、Naive Bayes 贝叶斯、决策树、随机森林算法预测心脏病
8.python 用线性回归预测股票价格
9. R 语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测