r - 플로팅하는 동안 Y 축에서 변수 변환

이를 위해 링크 스케일에서 스플라인의 값을 (절편없이) 반환 한 다음 값을 확장하여 승산 스케일에서 물건을 얻을 수 있습니다

mgcv::gam() 를 사용하는 경우  다음과 같이하면됩니다 :

library('mgcv')
set.seed(1)
dat <- gamSim(1, dist = "binary")
m1 <- gam(y ~ s(x2), data = dat, method = "REML", family = binomial())
pdat <- with(dat, data.frame(x2 = seq(min(x2), max(x2), length = 500)))
pred <- predict(m1, newdata = pdat, se.fit = TRUE, type = "iterms")
pred <- data.frame(x2 = pdat$x2, fit = pred$fit[,1], se.fit = pred$se.fit[,1])
## compute CI on the logit (log-odds) scale
pred <- transform(pred,
                  upper = fit + (2 * se.fit),
                  lower = fit - (2 * se.fit))
## transform fitted values + CI to odds scale
pred <- transform(pred,
                  odds = exp(fit),
                  oupper = exp(upper),
                  olower = exp(lower))
## plot
library("ggplot2")
library("cowplot")
theme_set(theme_bw())
## plot on the logit-scale
p1 <- ggplot(pred, aes(x = x2, y = fit)) +
  geom_ribbon(aes(x= x2, ymin = lower, ymax = upper),
              inherit.aes = FALSE, alpha = 0.1) +
  geom_line()
## plot on the odds scale
p2 <- ggplot(pred, aes(x = x2, y = odds)) +
  geom_ribbon(aes(x= x2, ymin = olower, ymax = oupper),
              inherit.aes = FALSE, alpha = 0.1) +
  geom_line()
plot_grid(p1, p2, ncol = 1)

이것은 다음을 생성합니다 :

위 패널은 당신이 보여준 플롯의 ggplot 표현입니다. 하단 패널은 승산 스케일로 변환됩니다.

모델에 여러 스무딩이있는 경우이를 약간 수정해야합니다. 라인

pred <- data.frame(....)

$fit 에서 다른 열을 선택해야합니다  그리고 $se.fit  구성 요소.

당신 스스로 그것을 좋아하지 않는다면 이것을 수행하는 빠른 방법 중 하나는 plot(model) 의 출력을 캡처하는 것입니다

m2 <- gam(y ~ s(x0) + s(x1) + s(x2) + s(x3), data = dat,
          method = "REML", family = binomial())
plt_data <- plot(m2, pages = 1, seWithMean = TRUE)

이제 plt_data  각 스무딩에 대한 구성 요소가있는 목록입니다. plot(m2) 를 수행 할 때 생성 된 플롯을 다시 만들려면 다음을 사용해야합니다.

x  — 부드러운 x 좌표 데이터입니다.

fit  그리고 se  구성 요소에는 y 좌표 데이터 (적합한 값)와 표준 오류가 포함됩니다

신뢰 구간을 추가하고 변환을 적용 할 수있는 함수를 작성합니다.

add_ci <- function(df, trans = function(eta) { eta }) {
  df <- transform(df, yhat = trans(fit),
                  upper = trans(fit + (2 * se)),
                  lower = trans(fit - (2 * se)))
  df
}

그리고 plt_data 의 각 데이터 객체에 적용  목록 :

p1dat <- add_ci(as.data.frame(plt_data[[1]][c('x','se','fit')]))
p2dat <- add_ci(as.data.frame(plt_data[[2]][c('x','se','fit')]))
p3dat <- add_ci(as.data.frame(plt_data[[3]][c('x','se','fit')]))
p4dat <- add_ci(as.data.frame(plt_data[[4]][c('x','se','fit')]))

이제 플롯 할 수 있습니다

p1 <- ggplot(data = p1dat,
             aes(x = x, y = yhat)) +
  geom_ribbon(aes(x = x, ymin = lower, ymax = upper),
              inherit.aes = FALSE, alpha = 0.2) +
  geom_line() + labs(y = 's(x0)', x = 'x0')
p2 <- p1 %+% p2dat + labs(y = 's(x1)', x = 'x1')
p3 <- p1 %+% p3dat + labs(y = 's(x2)', x = 'x2')
p4 <- p1 %+% p4dat + labs(y = 's(x3)', x = 'x3')
plot_grid(p1, p2, p3, p4, ncol = 2)

주는 중

다음으로 변환을 적용 할 수 있습니다

p1dat <- add_ci(as.data.frame(plt_data[[1]][c('x','se','fit')]), trans = exp)
p2dat <- add_ci(as.data.frame(plt_data[[2]][c('x','se','fit')]), trans = exp)
p3dat <- add_ci(as.data.frame(plt_data[[3]][c('x','se','fit')]), trans = exp)
p4dat <- add_ci(as.data.frame(plt_data[[4]][c('x','se','fit')]), trans = exp)
pt1 <- p1 %+% p1dat + labs(y = 's(x0)', x = 'x0') + coord_cartesian(ylim = c(0, 100))
pt2 <- p1 %+% p2dat + labs(y = 's(x1)', x = 'x1') + coord_cartesian(ylim = c(0, 4000))
pt3 <- p1 %+% p3dat + labs(y = 's(x2)', x = 'x2') + coord_cartesian(ylim = c(0, 250))
pt4 <- p1 %+% p4dat + labs(y = 's(x3)', x = 'x3') + coord_cartesian(ylim = c(0, 5))
plot_grid(pt1, pt2, pt3, pt4, ncol = 2)

생성하는

알다시피, CI가 폭발함에 따라 축 제한을 많이 조정해야합니다.