R：为什么这两个不同的结果（拟合曲线）来自两个不同的软件对于相同的点？

Question

我有这个等式问题。我想绘制和拟合（多项式 2°）这个点数据框 df.1：

df.1 
      x      y
    1902    0.01
    1930    0.1 
    1950    0.5
    1980    1
    2014    1.8

代码是：

lm(df.1[,2] ~ poly(df.1[,1],2))

结果是：

Call:
lm(formula = df.1[, 2] ~ poly(df.1[, 1], 2))

Coefficients:
        (Intercept)  poly(df.1[, 1], 2)1  poly(df.1[, 1], 2)2  
             0.6620               1.4660               0.3339

方程图是：

ggplot(df.1, aes(x=x,y=y))+
  geom_point(size = 4)+
  geom_smooth(aes(y=df.1[,2],x=df.1[,1]),show.legend = T,linetype="dashed",method = "lm", formula = y ~ poly(x, 2), size = 0.4,se=T)+
  stat_poly_eq(aes(label = paste(..eq.label..,..rr.label..,sep = "~")),formula =y ~ poly(x, 2),parse = TRUE)+
  theme(panel.background = element_rect(fill = "white", colour = "grey50"))

现在，如果我使用其他软件，如 excel 或 STATISTICA 10，2° 拟合多项式曲线的系数结果为：

intercept  366.199
poly x   0.389864
poly x^2   0.000103743

y 中的值（如果我想找到所有拟合曲线的值）与 excel 方程是正确的，但问题是：为什么 R 拟合会导致不同的值（而且只有正数系数值)?

Answer 1

lm(df.1[,2] ~ poly(df.1[,1], 2, raw = T)) 将 return 与 Excel.

中的值相同

poly {stats} raw if true, use raw and not orthogonal polynomials.

The orthogonal polynomial is summarized by the coefficients, which can be used to evaluate it via the three-term recursion given in Kennedy & Gentle (1980, pp. 343–4), and used in the predict part of the code.

Source

R：为什么这两个不同的结果（拟合曲线）来自两个不同的软件对于相同的点？

R: Why this two different results (fit curve) from two different software for the same points?

r

excel

curve-fitting

equation