Come eseguire la regressione a pezzi in r (passo dopo passo)
La regressione a pezzi è un metodo di regressione che utilizziamo spesso quando sono presenti “punti di interruzione” chiari in un set di dati.
Il seguente esempio passo passo mostra come eseguire la regressione a tratti in R.
Passaggio 1: creare i dati
Innanzitutto, creiamo il seguente frame di dati:
#view DataFrame df <- data. frame (x=c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16), y=c(2, 4, 5, 6, 8, 10, 12, 13, 15, 19, 24, 28, 31, 34, 39, 44)) #view first six rows of data frame head(df) xy 1 1 2 2 2 4 3 3 5 4 4 6 5 5 8 6 6 10
Passaggio 2: visualizzare i dati
Successivamente, creiamo un grafico a dispersione per visualizzare i dati:
#create scatterplot of x vs. y plot(df$x, df$y, pch= 16 , col=' steelblue ')
Possiamo vedere che la relazione tra xey sembra cambiare bruscamente attorno a x = 9 .
Passaggio 3: adattare il modello di regressione a tratti
Possiamo utilizzare la funzione segmented() dal pacchetto segmentato in R per adattare un modello di regressione a tratti al nostro set di dati:
library (segmented) #fit simple linear regression model fit <- lm(y ~ x, data=df) #fit piecewise regression model to original model, estimating a breakpoint at x=9 segmented. fit <- segmented(fit, seg.Z = ~x, psi= 9 ) #view summary of segmented model summary( segmented.fit ) Call: segmented.lm(obj = fit, seg.Z = ~x, psi = 9) Estimated Break-Point(s): East. St.Err psi1.x 8.762 0.26 Meaningful coefficients of the linear terms: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.32143 0.48343 0.665 0.519 x 1.59524 0.09573 16.663 1.16e-09 *** U1.x 2.40476 0.13539 17.762 NA --- Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 0.6204 on 12 degrees of freedom Multiple R-Squared: 0.9983, Adjusted R-squared: 0.9978 Convergence achieved in 2 iter. (rel. changes 0)
La funzione segmented() rileva un punto di interruzione in x = 8.762.
Il modello di regressione a tratti adattato è:
Se x ≤ 8,762: y = 0,32143 + 1,59524*(x)
Se x > 8,762: y = 0,32143 + 1,59524*(8,762) + (1,59524+2,40476)*(x-8,762)
Ad esempio, supponiamo di avere un valore x = 5 . Il valore stimato sarebbe:
- y = 0,32143 + 1,59524*(x)
- y = 0,32143 + 1,59524*(5)
- y = 8.297
Oppure supponiamo di avere un valore x = 12 . Il valore stimato sarebbe:
- y = 0,32143 + 1,59524*(8,762) + (1,59524+2,40476)*(12-8,762)
- y = 27,25
Passaggio 4: visualizzare il modello di regressione a tratti finale
Possiamo utilizzare il seguente codice per visualizzare il modello di regressione a tratti finale in aggiunta ai nostri dati originali:
#plot original data plot(df$x, df$y, pch= 16 , col=' steelblue ') #add segmented regression model plot(segmented. fit , add= T )
Sembra che il modello di regressione a tratti si adatti abbastanza bene ai dati.
Risorse addizionali
Le esercitazioni seguenti forniscono informazioni aggiuntive sui modelli di regressione in R:
Come eseguire una regressione lineare semplice in R
Come eseguire la regressione lineare multipla in R
Come eseguire la regressione logistica in R
Come eseguire la regressione quantile in R
Come eseguire la regressione ponderata in R