r语言回归分析_R语言分段回归数据数据分析案例报告

原文：

R语言分段回归数据数据分析案例报告​tecdat.cn

# 读取数据 data=read.csv("artificial-cover.csv") # 查看部分数据 head(data) ## tree.cover shurb.grass.cover ## 1 13.2 16.8 ## 2 17.2 21.8 ## 3 45.4 48.8 ## 4 53.6 58.7 ## 5 58.5 55.5 ## 6 63.3 47.2 #######先调用spline包 library ( splines ) ###########用lm拟合，主要注意部分是bs（age,knots=c(...)）这部分把自变量分成不同部分 fit =lm(tree.cover~bs(shurb.grass.cover ,knots =c(25 ,40 ,60) ),data=data ) ############进行预测，预测数据也要分区 pred= predict (fit , newdata =list(shurb.grass.cover =data$shurb.grass.cover),se=T) #############然后画图 plot(fit)

# 可以构造一个相对复杂的 LOWESS 模型（span参数取小一些），然后和一个简单的模型比较，如：

​

## `geom_smooth()` using method = 'loess'

# 其他数据

​

data=data[,1:4] head(data) ## year Soil vegetation SEM ## 1 1999 -3.483724 -2.528836 2.681003 ## 2 1999 -3.452582 -2.418049 2.348640 ## 3 1999 -3.350827 -2.590552 2.696037 ## 4 1999 -3.740395 -2.933848 3.627112 ## 5 1999 -3.465906 -2.694211 2.333755 ## 6 1999 -3.381802 -2.788154 2.656276

#####因变量 Soil

#######先调用spline包 library ( splines ) ###########用lm拟合，主要注意部分是bs（age,knots=c(...)）这部分把自变量分成不同部分 #############然后画图 plot(fit)

# 可以构造一个相对复杂的 LOWESS 模型（span参数取小一些），然后和一个简单的模型比较，如：

library(ggplot2) ## `geom_smooth()` using method = 'loess'