Seite 1 von 1

Kubische Regression

Verfasst: Do Mai 30, 2019 2:10 pm
von sklansky18
Hallo,

weiß jemand von euch wie man eine kubische Regressionsfunktion darstellen kann?

Folgendes habe ich probiert:

Jedoch bekomme ich mehrere plots. Was ich möchte ist einfach nur diese Regressionsfunktion darstellen zusammen mit den
Datenpunkten (scatterplot).

Code: Alles auswählen


var_mortal <- water_result$mortal
var_calcium <- water_result$calcium

plot(var_calcium,var_mortal)


fit_cubic = lm(mortal~calcium + I(calcium^2) + I(calcium^3) , water_result)
# Regressionsgleichung für die kubische Regression ist -0.0002281x^3 + 0.04140x^2 - 5.096x + 1962
plot( fit_cubic)



Re: Kubische Regression

Verfasst: Do Mai 30, 2019 3:06 pm
von jogo
Hallo sklansky,

willkommen im Forum!
sklansky18 hat geschrieben: Do Mai 30, 2019 2:10 pm Jedoch bekomme ich mehrere plots.
ja, das sind die diagnostic plots für lm.
Was ich möchte ist einfach nur diese Regressionsfunktion darstellen zusammen mit den
Datenpunkten (scatterplot).
da gibt es predict() oder $fitted.values

Code: Alles auswählen

var_mortal <- water_result$mortal
var_calcium <- water_result$calcium

plot(var_calcium,var_mortal)

Code: Alles auswählen

plot(mortal ~ calcium, data=water_result)
Hier ein kleines Beispiel:

Code: Alles auswählen

M <- mtcars[order(mtcars$hp),]

fit_cubic = lm(mpg ~ hp + I(hp^2) + I(hp^3) , data=M)
plot(predict(fit_cubic) ~ hp, data=M, type="l", col="red")
points(mpg ~ hp, data=M)
Gruß, Jörg

Re: Kubische Regression

Verfasst: Do Mai 30, 2019 6:24 pm
von bigben
Jörgs Lösung ist sehr universell anwendbar. Wenn Du aber schon soweit bist:

Code: Alles auswählen

-0.0002281x^3 + 0.04140x^2 - 5.096x + 1962!
Dann kannst Du auch die Funktion curve() verwenden, die Du Dir bei Gelegenheit so oder so mal anschauen solltest.

LG,
Bernhard