R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型的应用(2)

本期应粉丝要求复现一篇6分左右文章的图片,文章名称是: Air pollution and coronary heart disease–related hospital visits in Beijing, China: time-series analysis using a generalized additive mode(空气污染和冠心病相关医院访问,中国北京:时间序列分析应用广义加性模型)

R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型的应用(2)_第1张图片
作者研究了多种空气污染物与冠心病发病之间的关系。文章一共有6个图,如下:

R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型的应用(2)_第2张图片
R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型的应用(2)_第3张图片
R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型的应用(2)_第4张图片
R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型的应用(2)_第5张图片
下面我一一展示这六个图怎么绘制。
作者使用的是北京的天气数据,分析了多个污染物和空气质量指数与冠心病发病的关系,我这里使用芝加哥空气质量指数代替,
我们先导入R包和数据

library(dlnm)
library(splines)
library(tsModel)
library(ggplot2)
library(openair)
bc<-read.csv("E:/r/test/chicago4.csv",sep=',',header=TRUE)

R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型的应用(2)_第6张图片
我们先来看看数据的构成,death:死亡人数 (per day),pm10:大气污染物pm10的中位数值, o3:臭氧的中位数值,time:天数,这里就是我们的时间,temp:华氏温度,date:日期.

本文为转载文章,全文地址如下:https://mp.weixin.qq.com/s?__biz=MzI1NjM3NTE1NQ==&mid=2247489811&idx=1&sn=09fda149bb4142aed02afab8375f4418&chksm=ea26f90fdd51701955f9ef912dda5833456112f88dd4e22dcebd9db0a08fc9fd55986fcfb22e#rd

你可能感兴趣的:(R语言,r语言,开发语言)