Paket R plotting ggplot2 memiliki fungsi luar biasa yang disebut stat_smooth untuk memplot garis regresi (atau kurva) dengan pita kepercayaan terkait.
Namun saya mengalami kesulitan mencari tahu persis bagaimana pita kepercayaan ini dihasilkan, untuk setiap kali garis regresi (atau "metode"). Bagaimana saya dapat menemukan informasi ini?
r
regression
confidence-interval
ggplot2
static_rtti
sumber
sumber
Jawaban:
Dari
Details
bagian bantuanJadi predictdf umumnya akan memanggil
stats::predict
, yang pada gilirannya akan memanggilpredict
metode yang benar untuk metode smoothing. Fungsi lain yang melibatkan stat_smooth juga berguna untuk dipertimbangkan.Sebagian besar fungsi pemasangan model akan memiliki
predict
metode yang terkait denganclass
model. Ini biasanya akan mengambilnewdata
objek dan argumense.fit
yang akan menunjukkan apakah kesalahan standar akan dipasang. (lihat?predict
) untuk perincian lebih lanjut.Ini diteruskan langsung ke metode prediksi untuk mengembalikan kesalahan standar yang sesuai (tergantung metode)
Ini mendefinisikan
newdata
nilai untukx
prediksi yang akan dievaluasiDilewatkan secara langsung ke metode prediksi sehingga interval kepercayaan dapat menentukan nilai kritis yang sesuai (misalnya
predict.lm
penggunaanqt((1 - level)/2, df)
untuk kesalahan standar yang akan dikalikan denganDigunakan bersama dengan
fullrange
untuk mendefinisikanx
nilai - nilai dalamnewdata
objek.Dalam panggilan ke
stat_smooth
Anda dapat menentukanse
mana yang sebagian cocok denganse.fit
(atause
), dan akan menentukaninterval
argumen jika perlu.level
akan memberikan level interval kepercayaan (default 0.95).The
newdata
objek didefinisikan dalam pengolahan, tergantung pada pengaturan Andafullrange
ke urutan panjangn
dalam berbagai plot atau data.Dalam kasus Anda, menggunakan
rlm
, ini akan menggunakanpredict.rlm
, yang didefinisikan sebagaiJadi itu adalah panggilan internal
predict.lm
dengan skala yang sesuai dariqr
dekomposisi danscale
argumen.sumber
predict
metode ini telah diatur dalam cara standar. Saya telah mengedit jawaban saya untuk mengatasi masalah yang muncul dalam komentar pertama Anda.