在R中绘制轮廓似然曲线

我想弄清楚如何绘制GLM 参数的轮廓可能性曲线，其中95％pLCI在同一图上。我一直试图用的例子如下。我得到的情节并不是我期望的可能性曲线。图的y轴是tau，我希望该轴是可能性，以便我有一个最大值在参数估计值的曲线。我不确定我在哪里找到这些可能性值？我可能会误解这背后的理论。谢谢你提供的所有帮助。在R中绘制轮廓似然曲线

最大

clotting <- data.frame(
u = c(5,10,15,20,30,40,60,80,100), 
lot1 = c(118,58,42,35,27,25,21,19,18), 
lot2 = c(69,35,26,21,18,16,13,12,12)) 
glm2<-glm(lot2 ~ log(u), data=clotting, family=Gamma) 
prof<-profile(glm2) 
plot(prof)

来源

2012-08-11 ADW11

你永远不存储的呼叫的结果glm在这里。 – Dason 2012-08-11 16:12:59

不知道如何不复制，谢谢。 – ADW11 2012-08-11 17:51:05

重生的例子：

clotting <- data.frame(
         u = c(5,10,15,20,30,40,60,80,100), 
         lot1 = c(118,58,42,35,27,25,21,19,18), 
         lot2 = c(69,35,26,21,18,16,13,12,12)) 
glm2 <- glm(lot2 ~ log(u), data=clotting, family=Gamma)

的profile.glm函数实际上住在MASS包：

library(MASS) 
prof<-profile(glm2)

为了弄清楚什么profile.glm和plot.profile是做，看到?profile.glm和?plot.profile。但是，为了深入研究profile对象，查看MASS:::profile.glm和MASS:::plot.profile的代码也是有用的......基本上，这些告诉你的是profile正在返回的带符号的平方根之间的偏差和最小偏差，由色散参数缩放。这样做的原因是，完美二次曲线的曲线将显示为一条直线（从直线检测偏差比通过眼睛检测抛物线要容易得多）。

另一件可能有用的知道是如何存储配置文件。基本上，它是一个数据帧列表（每个参数配置一个），除了单个数据帧有点奇怪（包含一个矢量分量和一个矩阵分量）。

> str(prof) 
List of 2 
$ (Intercept):'data.frame': 12 obs. of 3 variables: 
    ..$ tau  : num [1:12] -3.557 -2.836 -2.12 -1.409 -0.702 ... 
    ..$ par.vals: num [1:12, 1:2] -0.0286 -0.0276 -0.0267 -0.0258 -0.0248 ... 
    .. ..- attr(*, "dimnames")=List of 2 
    .. .. ..$ : NULL 
    .. .. ..$ : chr [1:2] "(Intercept)" "log(u)" 
    ..$ dev  : num [1:12] 0.00622 0.00753 0.00883 0.01012 0.0114 ... 
$ log(u)  :'data.frame': 12 obs. of 2 variables: 
    ..$ tau  : num [1:12] -3.516 -2.811 -2.106 -1.403 -0.701 ... 
    ..$ par.vals: num [1:12, 1:2] -0.0195 -0.0204 -0.0213 -0.0222 -0.023 ... 
    .. ..- attr(*, "dimnames")=List of 2

它还包含属性summary和original.fit，你可以用它来恢复分散和最小偏差：

disp <- attr(prof,"summary")$dispersion 
mindev <- attr(prof,"original.fit")$deviance

现在逆变换系数1：

dev1 <- prof[[1]]$tau^2 
dev2 <- dev1*disp+mindev

剧情简介：

plot(prof[[1]][,1],dev2,type="b")

（这是偏差的阴谋。您可以通过0.5相乘得到负对数似然，或-0.5，以获得数似然...）

编辑：一些通用功能到配置文件转换成有用的格式为lattice/ggplot绘图...

tmpf <- function(x,n) { 
    data.frame(par=n,tau=x$tau, 
       deviance=x$tau^2*disp+mindev, 
       x$par.vals,check.names=FALSE) 
} 
pp <- do.call(rbind,mapply(tmpf,prof,names(prof),SIMPLIFY=FALSE)) 
library(reshape2) 
pp2 <- melt(pp,id.var=1:3) 
pp3 <- subset(pp2,par==variable,select=-variable)

现在用格绘制它：

library(lattice) 
xyplot(deviance~value|par,type="b",data=pp3, 
     scales=list(x=list(relation="free")))

enter image description here

或者与GGPLOT2：

library(ggplot2) 
ggplot(pp3,aes(value,deviance))+geom_line()+geom_point()+ 
    facet_wrap(~par,scale="free_x")

enter image description here

来源

2012-08-11 18:01:15

真的很有帮助，正是我在找的东西。非常感谢，本。 – ADW11 2012-08-11 18:47:28

在R中绘制轮廓似然曲线

回答

相关问题