CRAN官网链接: https://cran.r-project.org/web/packages/basicTrendline/index.html
使用过nls()来作非线性回归的朋友,感觉都要吐槽一下nls(formula, start = list(a =, b =)里面的起始值(a,b)的设定,n次都设不对是怎样一个感受?抓狂到想要放弃用R有木有?
其实我们只想要像excel里面添加趋势线那样简单,就能得到非线性回归方程的各个结果而已。
最新CRAN正式上线的R函数包——“basicTrendline” package 终于解决了这个问题。
先来看两张效果图(第一张为log线性回归,第二张为包含线性和非线性回归方程的组合图):
闲言太多,步入正题!
R函数包”basicTrendline”到底用来干什么?
用于一步完成绘图,添加线性或非线性拟合线,在图上显示回归方程及R2和回归模型的p值(不是参数的p值)。 并且,它默认会同时输出模型summary()的结果,即各参数的具体数值及SD值,t值,p值等等。
一个严肃的问题:它结果可信吗?
我们已经检测了我们的R函数包“basicTrendline”, 它工作性能稳定;
更重要的是它的拟合结果和商业软件OriginPro完全相等;
甚至对幂函数power函数(y=a*x^b +c)比OriginPro软件更好
(更高的R2,更低的p值,因为我们采取了优于Origin软件的selfStart计算方法)!
在R中安装 “basicTrendline” 函数包
1. 直接从CRAN官方获取资源安装:
2. 使用Github资源安装:
使用 “basicTrendline” 函数包
建立 x,y数据集,比如:
然后运行:
你能用通用的函数 “trendline()”,但只需改变参数 model 的值,即可输出不同的回归模型的结果以及图。
参数“model” 的值为 ‘lin2P’,’line3P’,’log2P’,’exp3P’,’power3P’的其中一个。
“line2P” # y=a*x+b
“line3P” # y=a*x^2+b*x+c
“log2P” # y=a*ln(x)+b
“exp3P” # y=a*exp(b*x)+c
“power3P” # y=a*x^b+c)
创新点(再强调一下而已)
“basicTrendline”函数包对幂函数的拟合(’power3P’ model:y = ax^b +c)能得到比OriginPro软件更好的结果(更高的R^2,更低的p值)。为什么呢?因为我们采取了比OriginPro软件更高级的针对幂函数回归的selfStart算法呀,其实核心是OriginPro软件里面的幂函数回归没有考虑数据的 凹凸趋势(增凹趋势,降凸趋势等等,文末 Examples 的代码里有提到)。下面是例子:
formula as y=a*x^b +c
x
y
OriginPro软件结果:
c=-7344.578
a=7347.183
b=43224.4
adjR^2= 0.97129 # lower adjR^2 value
p-value of model=2.24891e-4
‘basicTrendline’函数包结果:
c=34.671
a=-32.703
b=-0.13999
adjR^2= 0.99346 > 0.97129 # higher (or better ) adjR^2 value
p-value of model= 2.44924-5 < 2.24891e-4
输出图
领取专属 10元无门槛券
私享最新 技术干货