用npreg()绘制非参数回归结果时忽略par(mfrow = c(1, 2))。

Question

我用 "npreg" 命令运行了 20 个非参数回归并保存了结果。现在，我想将这些结果绘制到一个多图中（使用带有样式带和渐近方法），例如每行 3 个图形（3 个输出）。

我尝试使用 par(mfrow=c(,)) 或 split.screen()，但似乎不适合这种类型的图形，因为它总是覆盖先前的图形。

换句话说，如果我运行：

w1 <- lm(w ~ p1)
par(mfrow = c(2, 2))
plot(w1)

然后我将在一个图形设备中得到4个图形。但如果我运行

w1 <- npreg(w ~ p1)
w2 <- npreg(w ~ p2)
par(mfrow = c(1, 2))` 
plot(w1)
plot(w2)

那么输出将只有一个图形（第二个将覆盖第一个）。我想让这两个图形并排显示。

- jiri jansa

---

这正是par(mfrow)的作用...但我可能不理解您试图实现什么以及为什么mfrow对您无效。 - Tomas

如果我表达不够清晰，我很抱歉。我已经在原问题中添加了R代码，这可能显示出我绘制输出时的错误。 - jiri jansa

Answer 1

npreg对象的plot方法似乎会覆盖您的par设置，但我无法跟踪其之后的一长串中间步骤。最终它调用npplot()，但总的来说，我认为您不希望绘图函数无缘无故地覆盖像mfrow这样简单的命令（或者不一致），所以这似乎是一个错误。

建议您给该软件包的维护人员发送电子邮件，并询问为什么以下代码没有产生相同的输出。您期望在一个设备上看到4个图形。

以下是该软件包的两个示例（第一个略有修改），演示了两种不同的行为：

四个单独的图形

data(Italy)
bw <- npregbw(formula=gdp~ordered(year), data = Italy)
model <- npreg(bws = bw, gradients = TRUE)
par(mfrow = c(2, 2))
plot(model)
points(ordered(Italy$year), Italy$gdp, cex=.2, col="red")
plot(1:10)
plot(1:5)
plot(1)

一个设备中的4个图表

data(cps71)
model.par <- lm(logwage ~ age + I(age^2), data = cps71)
model.np <- npreg(logwage ~ age,
                  regtype = "ll",
                  bwmethod = "cv.aic",
                  gradients = TRUE,
                  data = cps71)
par(mfrow=c(2,2))

plot(cps71$age,cps71$logwage,xlab="age",ylab="log(wage)",cex=.1)
lines(cps71$age,fitted(model.np),lty=1,col="blue")
lines(cps71$age,fitted(model.par),lty=2,col="red")

plot(cps71$age,gradients(model.np),xlab="age",ylab="gradient",type="l",lty=1,col="blue")
lines(cps71$age,coef(model.par)[2]+2*cps71$age*coef(model.par)[3],lty=2,col="red")

plot(cps71$age,fitted(model.np),xlab="age",ylab="log(wage)",ylim=c(min(fitted(model.np)-2*model.np$merr),max(fitted(model.np)+2*model.np$merr)),type="l")
lines(cps71$age,fitted(model.np)+2*model.np$merr,lty=2,col="red")
lines(cps71$age,fitted(model.np)-2*model.np$merr,lty=2,col="red")

plot(cps71$age,gradients(model.np),xlab="age",ylab="gradient",ylim=c(min(gradients(model.np)-2*model.np$gerr),max(gradients(model.np)+2*model.np$gerr)),type="l",lty=1,col="blue")
lines(cps71$age,gradients(model.np)+2*model.np$gerr,lty=2,col="red")
lines(cps71$age,gradients(model.np)-2*model.np$gerr,lty=2,col="red")

- kmm