создать функцию из формулы и коэффициентов регрессии

Используя R, я написал функцию для исследовательского анализа данных, которая создает диаграмму рассеяния и аппроксимирует линию регрессии с помощью lm. Формула не фиксирована. Работает отлично, и я получаю оптимизированную формулу (my.results <- lm(fml, data); my.results$model) и коэффициенты (my.results$coefficients). Теперь я хочу продолжить и получить функцию, например. для нахождения нулей (т. е. там, где функция пересекает ось x и т. д.). Выполнение этого «вручную» для заданного результата lm, очевидно, тривиально. Но есть ли способ построить эту функцию по результатам lm (не зная заранее структуру формулы)? Спасибо за любые предложения!


r formulas
person Martin    schedule 04.06.2014    source источник
comment
Я думаю, что это можно сделать с помощью predict.lm внутри обратного решателя (например, в пакетах BB или ktsolve). Вам по-прежнему необходимо знать имена и количество независимых переменных в вашей модели, чтобы решатель знал, как перебирать predict.lm . (Сейчас мне кто-нибудь подскажет, что есть метод polyroot.lm или что-то в этом роде :-))   -  person Carl Witthoft    schedule 04.06.2014
comment
Извините, я пока не могу проголосовать, но спасибо за все 3 предложения.   -  person Martin    schedule 05.06.2014

Ответы (2)


arrow_upward
3
arrow_downward

Пример:

set.seed(42)

x <- 1:100
y <- (x-2)*(x-15)*(x-90) + rnorm(100)

fit <- lm(y~poly(x, degree=3, raw=TRUE))

Если ваша подгонка является многочленом, вы можете легко найти все корни:

polyroot(coef(fit))
#[1]  1.999364-0i 15.000010-0i 89.999991+0i

Если это произвольная функция, линейная по своим коэффициентам, можно найти корни численно:

invLm <- function(x, mod.lm) predict(mod.lm, newdata=list(x=x))

uniroot(invLm, c(-100, 100), mod.lm=fit)
#$root
#[1] 89.99999
person Roland    schedule 04.06.2014

arrow_upward
0
arrow_downward

Вот вариант, который определит имя (имена) предиктора (ов) в подгонке и создаст функцию (которая использует прогнозирование) для вычисления прогнозируемых значений. Вам нужно убедиться, что передано правильное количество переменных в правильном порядке (если есть только 1 предиктор, то это не имеет значения):

genFun1 <- function(model) {
    xvname <- all.vars( delete.response( terms( model ) ) )
    function(...) {
        newdat <- data.frame(...)
        names(newdat) <- xvname
        predict(model, newdat)
    }
}

x <- 1:10
y <- 2*x - 5 + rnorm(10)

fit1 <- lm( y ~ x )
fit2 <- lm( y ~ sqrt(x) + I(x^3) )

len <- x
adjmas <- y

fit3 <- lm( adjmas ~ len )

pred1 <- genFun1(fit1)
pred2 <- genFun1(fit2)
pred3 <- genFun1(fit3)

plot(x,y)
xx <- seq(0,10, length.out=25)
lines( xx, pred1(xx), col='red' )
lines( xx, pred2(xx), col='green' )
lines( xx, pred3(xx), col='blue')
person Greg Snow    schedule 04.06.2014