R tracer des bandes de confiance avec ggplot
Je voudrais créer une bande de confiance pour un modèle équipé de gls comme ceci:
require(ggplot2)
require(nlme)
mp <-data.frame(year=c(1990:2010))
mp$wav <- rnorm(nrow(mp))*cos(2*pi*mp$year)+2*sin(rnorm(nrow(mp)*pi*mp$wav))+5
mp$wow <- rnorm(nrow(mp))*mp$wav+rnorm(nrow(mp))*mp$wav^3
m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))
mp$fit <- as.numeric(fitted(m01))
p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_line(aes(year,fit))
p
Cela ne trace que les valeurs ajustées et les données, et je voudrais quelque chose dans le style de
p <- ggplot(mp, aes(year, wow))+ geom_point()+ geom_smooth()
p
, Mais avec les bandes générées par le modèle gls.
Merci!
1 réponses
require(ggplot2)
require(nlme)
set.seed(101)
mp <-data.frame(year=1990:2010)
N <- nrow(mp)
mp <- within(mp,
{
wav <- rnorm(N)*cos(2*pi*year)+rnorm(N)*sin(2*pi*year)+5
wow <- rnorm(N)*wav+rnorm(N)*wav^3
})
m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))
Obtenir des valeurs ajustées (les mêmes que m01$fitted)
fit <- predict(m01)
, Normalement, nous pourrions utiliser quelque chose comme predict(...,se.fit=TRUE) pour obtenir les intervalles de confiance sur la prédiction, mais gls ne fournit pas cette fonctionnalité. Nous utilisons une recette similaire à celui illustré à http://glmm.wikidot.com/faq :
V <- vcov(m01)
X <- model.matrix(~poly(wav,3),data=mp)
se.fit <- sqrt(diag(X %*% V %*% t(X)))
Mettre en place un "cadre de prédiction":
predframe <- with(mp,data.frame(year,wav,
wow=fit,lwr=fit-1.96*se.fit,upr=fit+1.96*se.fit))
Maintenant tracer avec geom_ribbon
(p1 <- ggplot(mp, aes(year, wow))+
geom_point()+
geom_line(data=predframe)+
geom_ribbon(data=predframe,aes(ymin=lwr,ymax=upr),alpha=0.3))
Il est plus facile de voir que nous avons la bonne réponse si nous complotons contre wav plutôt que year:
(p2 <- ggplot(mp, aes(wav, wow))+
geom_point()+
geom_line(data=predframe)+
geom_ribbon(data=predframe,aes(ymin=lwr,ymax=upr),alpha=0.3))
, Il serait bien de faire les prédictions avec plus de résolution, mais c'est un peu compliqué de le faire avec les résultats de poly() correspond -- voir ?makepredictcall.