glm.nb 的正常执行与样条模型的 geom_smooth 执行 glm.nb 之间的区别

Question

我正在尝试为我的数据拟合两种不同条件下的负二项式 glm。首先，一些玩具数据：

    value      times variable
1   82.21236  0.0000000        B
2  130.69185  0.0000000        A
3  159.10491  1.3131313        B
4  136.94357  0.6060606        A
5  192.22455  3.1313131        B
6  149.96539  3.1313131        A
7  115.91152  4.5454545        B
8   95.26077  4.2424242        A
9   73.79734  6.2626263        B
10  71.43359  6.1616162        A
11 106.83029  7.4747475        B
12 134.01414  7.0707071        A
13  44.66716  8.6868687        B
14  57.47017  8.6868687        A
15  41.02301  9.8989899        B
16  42.47003  9.4949495        A
17  66.26286  0.0000000        B
18 122.70818  0.0000000        A
19 187.01966  1.6161616        B
20 199.92595  1.6161616        A
21 138.26999  2.9292929        B
22  94.63155  3.2323232        A
23 149.99105  4.5454545        B
24 121.49791  4.1414141        A
25 107.17931  5.6565657        B
26  91.04130  5.7575758        A
27  84.03087  7.7777778        B
28  62.17754  7.6767677        A
29  52.81123  8.9898990        B
30  72.61422  7.5757576        A
31  52.33281 10.0000000        B
32  39.60495  9.6969697        A

（图书馆：图书馆（ggplot2）图书馆（质量） )

我的目标是检索适合我的数据的模型以供下游分析，而不仅仅是将其可视化，所以我首先使用了 MASS 包的 glm.nb 功能，但它无法适应数据，我不知道为什么，特别是因为相同的方法在 ggplot 上成功了。这是我到目前为止使用的代码：

ans = glm.nb(data = data,  formula = value~splines::bs(times,Boundary.knots = c(0,10), knots = c(3), degree = 3, intercept = F ):variable)
data$glm_nb = predict(ans) #make the glm model and predict the new values

p=ggplot(data, aes(x=times, y=value, group=variable)) + #plot it 
  facet_grid(.~variable)+theme_bw() +
   theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank())+
         labs(x="times",y="Value")+
         geom_point(size=2,alpha = 0.2) + theme_bw(base_size = 22)+
         stat_smooth(method = "glm.nb", formula = y~splines::bs(x,Boundary.knots = c(0,10), knots = c(3), degree = 3, intercept = F), color = "green", size = 0.3)+ #ggplot with the same model
         geom_line(aes(x = times, y = glm_nb), color = "blue")

ggplot 和其他模型都发出警告，指出我的 x 值不是整数，但 ggplot 仍然成功拟合数据。

特别奇怪的是，当我尝试使用 GLM 时，它确实有效！（相同的代码，只是将 glm.nb 换成 glm）。我试图查找源代码以查看 geom_smooth 究竟做了什么，但我找不到它计算模型的精确行。有什么想法吗？

Answer 1

问题只是您从 predict 调用中得到了错误的值，因为默认情况下它将 return 类型设置为 type = "link"，而您正在寻找type = "response"。如果您进行此更改，您将获得与 ggplot 相同的结果，它知道使用 type = "response" 而无需被询问：

data$glm_nb <- predict(ans, type = "response")

ggplot(data, aes(x = times, y = value, group = variable)) +
  geom_point(size=2,alpha = 0.2) +
  stat_smooth(method = "glm.nb", 
              formula = y ~ splines::bs(x, Boundary.knots = c(0,10), 
                                        knots = c(3), degree = 3, 
                                        intercept = FALSE), 
              color = "green", size = 0.3) +
  geom_line(aes(x = times, y = glm_nb), color = "blue") +
  facet_grid(.~variable) +
  labs(x = "times", y = "Value") +
  theme_bw(base_size = 22)

glm.nb 的正常执行与样条模型的 geom_smooth 执行 glm.nb 之间的区别

difference between normal execution of glm.nb and geom_smooth execution of glm.nb for a spline model

r

ggplot2

glm

spline