Soll-Werte für Logistische Regressionen von glm und stat_smooth in ggplot2 unterschiedlich sind

Ich versuche, mich diesen logistischen regression graph in ggplot2.

df <- structure(list(y = c(2L, 7L, 776L, 19L, 12L, 26L, 7L, 12L, 8L,
24L, 20L, 16L, 12L, 10L, 23L, 20L, 16L, 12L, 18L, 22L, 23L, 22L,
13L, 7L, 20L, 12L, 13L, 11L, 11L, 14L, 10L, 8L, 10L, 11L, 5L,
5L, 1L, 2L, 1L, 1L, 0L, 0L, 0L), n = c(3L, 7L, 789L, 20L, 14L,
27L, 7L, 13L, 9L, 29L, 22L, 17L, 14L, 11L, 30L, 21L, 19L, 14L,
22L, 29L, 28L, 28L, 19L, 10L, 27L, 22L, 18L, 18L, 14L, 23L, 18L,
12L, 19L, 15L, 13L, 9L, 7L, 3L, 1L, 1L, 1L, 1L, 1L), x = c(18L,
19L, 20L, 21L, 22L, 23L, 24L, 25L, 26L, 27L, 28L, 29L, 30L, 31L,
32L, 33L, 34L, 35L, 36L, 37L, 38L, 39L, 40L, 41L, 42L, 43L, 44L,
45L, 46L, 47L, 48L, 49L, 50L, 51L, 52L, 53L, 54L, 55L, 56L, 59L,
62L, 63L, 66L)), .Names = c("y", "n", "x"), class = "data.frame", row.names = c(NA,
-43L))


mod.fit <- glm(formula = y/n ~ x, data = df, weight=n, family = binomial(link = logit),
        na.action = na.exclude, control = list(epsilon = 0.0001, maxit = 50, trace = T))
summary(mod.fit)

Pi <- c(0.25, 0.5, 0.75)
LD <- (log(Pi /(1-Pi))-mod.fit$coefficients[1])/mod.fit$coefficients[2]
LD.summary <- data.frame(Pi , LD)
LD.summary


plot(df$x, df$y/df$n, xlab = "x", ylab = "Estimated probability")

lin.pred <- predict(mod.fit)
pi.hat <- exp(lin.pred)/(1 + exp(lin.pred))
lines(df$x, pi.hat, lty = 1, col = "red")


segments(x0 = LD.summary$LD, y0 = -0.1, x1 = LD.summary$LD, y1 = LD.summary$Pi,
         lty=2, col=c("darkblue","darkred","darkgreen"))
segments(x0 = 15, y0 = LD.summary$Pi, x1 = LD.summary$LD, y1 = LD.summary$Pi,
         lty=2, col=c("darkblue","darkred","darkgreen"))
legend("bottomleft", legend=c("LD25", "LD50", "LD75"), lty=2, col=c("darkblue","darkred","darkgreen"), bty="n", cex=0.75)

Soll-Werte für Logistische Regressionen von glm und stat_smooth in ggplot2 unterschiedlich sind

Hier ist mein Versuch, mit ggplot2

library(ggplot2)

p <- ggplot(data = df, aes(x = x, y = y/n)) +
            geom_point() +
            stat_smooth(method = "glm", family = "binomial")

p <- p + geom_segment(aes(
                            x = LD.summary$LD
                          , y = 0
                          , xend = LD.summary$LD
                          , yend = LD.summary$Pi
                         )
                         , colour="red"
                       )

p <- p + geom_segment(aes(
                            x = 0
                          , y = LD.summary$Pi
                          , xend = LD.summary$LD
                          , yend = LD.summary$Pi
                         )
                         , colour="red"
                       )

print(p)

Soll-Werte für Logistische Regressionen von glm und stat_smooth in ggplot2 unterschiedlich sind

Fragen

  1. Vorhergesagten Werte für glm und stat_smooth anders Aussehen. Sind diese beiden Methoden produziert unterschiedliche Ergebnisse, oder bin ich etwas fehlt hier.
  2. Meine ggplot2-Diagramm ist nicht genau, wie Basis-f-Diagramm.
  3. Wie verwenden Sie unterschiedliche Farben für Linien-Segmente, die in ggplot2?
  4. Und wie Legende in ggplot2?

Vielen Dank im Voraus für Ihre Hilfe und Zeit. Dank

Ihre Basis R Bild nicht die Legende, in der es (die Befehle sind in Ordnung, obwohl) - ich werde es zu aktualisieren, um Verwirrung zu vermeiden.
Vielen Dank für Ihren Kommentar. Bitte entnehmen Sie der Legende auf die bottomleft.
ja, das ist, weil ich aktualisiert, das Bild zu umfassen, die Legende.
oops, danke @mathematische.Kaffee

InformationsquelleAutor MYaseen208 | 2012-01-13

  1. 15

    Nur ein paar kleinere Ergänzungen @mathetmatical.Kaffee ist die Antwort. Normalerweise geom_smooth sollen nicht ersetzen die eigentliche Modellierung, die ist, warum scheint es unbequem zu Zeiten, wenn Sie wollen, verwenden Sie bestimmte Ausgabe, die Sie bekommen würde, von glm und so. Aber wirklich, alles, was wir tun müssen, ist fügen Sie die angepasste Werte, um unsere Daten-frame:

    df$pred <- pi.hat
LD.summary$group <- c('LD25','LD50','LD75')

ggplot(df,aes(x = x, y = y/n)) + 
    geom_point() + 
    geom_line(aes(y = pred),colour = "black") + 
    geom_segment(data=LD.summary, aes(y = Pi,
                                      xend = LD,
                                      yend = Pi,
                                      col = group),x = -Inf,linetype = "dashed") + 
    geom_segment(data=LD.summary,aes(x = LD,
                                     xend = LD,
                                     yend = Pi,
                                     col = group),y = -Inf,linetype = "dashed")

    Soll-Werte für Logistische Regressionen von glm und stat_smooth in ggplot2 unterschiedlich sind

    Den letzten kleinen trick ist die Verwendung von Inf und -Inf man die gestrichelten Linien, um den ganzen Weg erstreckt sich auf das Grundstück Grenzen.

    Die Lektion hier ist, dass, wenn alles, was Sie tun möchten, ist fügen Sie einen glatt um ein Grundstück, und sonst nichts in der Handlung davon abhängt, verwenden Sie geom_smooth. Wenn Sie wollen, beziehen sich auf die Ausgabe von die Einbauküche-Modell, seine in der Regel einfacher zu montieren das Modell außerhalb ggplot und dann zeichnen.

    Elegante Antwort. Vielen Dank für Ihre Hilfe.

    InformationsquelleAutor joran

  2. 6

    Ändern Sie Ihre LD.summary um eine neue Spalte mit group (oder entsprechende Bezeichnung).

    LD.summary$group <- c('LD25','LD50','LD75')

    Dann ändern Sie Ihre geom_segment Befehle, um eine col=LD.summary$group (und entfernen Sie die colour="red"), die Parzellen jedes segment in einer anderen Farbe und fügt eine Legende:

    geom_segment( aes(...,col=LD.summary$group) )

    Auch, um zu vermeiden, dass zu tun, die LD.summary$xxx alle die Zeit, Futter in data=LD.summary zu Ihrem geom_segment:

    geom_segment(data=LD.summary, aes(x=0, y=Pi,xend=LD, yend=Pi, colour=group) )

    Warum die Grafiken sind nicht genau die gleichen, die in der Basis-f-graph die x-Achse geht von ~20 ab, in der Erwägung, dass in ggplot es geht von null ab. Dieses ist, weil Ihre zweite geom_segment beginnt bei x=0.
    Beheben könnte man ändern x=0 zu x=min(df$x).

    Um Ihre y-Achse label use + scale_y_continuous('Estimated probability').

    In der Zusammenfassung:

    LD.summary$group <- c('LD25','LD50','LD75')
p <- ggplot(data = df, aes(x = x, y = y/n)) +
            geom_point() +
            stat_smooth(method = "glm", family = "binomial") +
            scale_y_continuous('Estimated probability')    # <-- add y label
p <- p + geom_segment(data=LD.summary, aes( # <-- data=Ld.summary
                            x = LD
                          , y = 0
                          , xend = LD
                          , yend = Pi
                          , col = group     # <- colours
                         )
                       )    
p <- p + geom_segment(data=LD.summary, aes( # <-- data=Ld.summary
                            x = min(df$x)   # <-- don't plot all the way to x=0
                          , y = Pi
                          , xend = LD
                          , yend = Pi
                          , col = group     # <- colours
                         )
                       )
print(p)

    welche ergibt:

    Soll-Werte für Logistische Regressionen von glm und stat_smooth in ggplot2 unterschiedlich sind

    Vielen Dank für Ihre elegante Antwort. Eine Beobachtung: warum LD25, LD50 nicht berühren die vorhergesagte Linie, wie Sie in Basis-f-graph? Jede Idee. Dank
    es ist etwas zu tun mit stat_smooth ist nicht die Erzeugung der gleichen zahlen als Ihre pi.hat Formel: plotterausgabe der ersten p und dann tut lines(x,pi.hat,lty=1,col='red') zu sehen, was ich meine. Ich weiß nicht genug über Statistik, um Ihnen zu helfen gibt es leider (D. H. ob Ihre pi.hat Berechnung falsch ist, oder ob stat_smooth ist dabei einige andere Berechnung, die Sie nicht bewusst sind). Alles was ich vorschlagen kann, ist, einen Blick auf die online-Hilfe für stat_smooth und sehen, ob es gibt irgendeine info, wie es die Berechnung der glatter. had.co.nz/ggplot2/stat_smooth.html
    Obwohl ich sicher bin, dass es einfach ist, passen Sie die bestehenden Antwort, in der aktuellen form keine Antwort auf die Frage. I. e. die Grafik ist nicht wiedergegeben, da die Ecken der Segmente liegen nicht auf der Kurve.
    Da stat_smooth nicht weitergegeben werden, die gleichen Optionen, wie Sie passieren in der glm Aufruf für mod.fit. Insbesondere die weight option nicht übergeben. Versuchen Sie weight=n zu den aes im ggplot nennen.

    InformationsquelleAutor mathematical.coffee

Schreibe einen Kommentar