我希望进行一次有一个拐点的分段线性回归,其中回归线的第二部分的斜率为
我尝试过:
0
。有关如何进行分段线性回归的示例,例如这里。我遇到的问题是我不清楚如何将模型的一半的斜率固定为0。我尝试过:
lhs <- function(x) ifelse(x < k, k-x, 0)
rhs <- function(x) ifelse(x < k, 0, x-k)
fit <- lm(y ~ lhs(x) + rhs(x))
其中k
是断点,但右侧的线段不是平坦/水平的。
我想将第二个线段的斜率限制为0。我尝试了:
fit <- lm(y ~ x * (x < k) + x * (x > k))
但是,我不确定如何使第二半段具有零斜率。
非常感谢任何帮助。
我的解决方案
由于下面的评论,我找到了一个解决方案。以下是我用来优化和绘制拟合曲线的代码:
x <- c(1, 2, 3, 1, 2, 1, 6, 1, 2, 3, 2, 1, 4, 3, 1)
y <- c(0.041754212, 0.083491254, 0.193129615, 0.104249201, 0.17280516,
0.154342335, 0.303370501, 0.025503008, 0.123934121, 0.191486527,
0.183958737, 0.156707866, 0.31019215, 0.281890206, 0.25414608)
range_x <- max(x) - min(x)
intervals <- 1000
coef1 <- c()
coef2 <- c()
r2 <- c()
for (i in 1:intervals) {
k <- min(x) + (i-1) * (range_x / intervals)
x2 = (x - k) * (x < k)
fit <- lm(y ~ x2)
coef1[i] <- summary(fit)$coef[1]
coef2[i] <- summary(fit)$coef[2]
r2[i] <- summary(fit)$r.squared
}
best_r2 <- max(r2) # get best r squared
pos <- which.max(r2)
best_k <- min(x) + (pos - 1) * (range_x / intervals)
plot(x, y)
curve(coef1[pos] - best_k * coef2[pos] + coef2[pos] * x,
from=min(x), to=best_k, add = TRUE)
segments(best_k, coef1[pos], max(x), coef1[pos])
x = c(1, 2, 3, 1, 2, 1, 6, 1, 2, 3, 2, 1, 4, 3, 1)
y = c(0.041754212, 0.083491254, 0.193129615, 0.104249201, 0.17280516, 0.154342335, 0.303370501, 0.025503008, 0.123934121, 0.191486527, 0.183958737, 0.156707866, 0.31019215, 0.281890206, 0.025414608)
我知道这些数据并不适合我所描述的拟合,但这也是我的重点... - realcoolclub