R具有鲁棒线性回归模型（RLM）的R置信区间线

Question

我需要用置信区间绘制一个稳定线性回归（RLM）模型的散点图，这是我发现仅与LM一起使用的所有示例。

这是我的代码：

model1 <- rlm(weightsE$brain ~ weightsE$body)
newx <- seq(min(weightsE$body), max(weightsE$body), length.out=70)
newx<-as.data.frame(newx)
colnames(newx)<-"brain"
conf_interval  <- predict(model1, newdata = data.frame(x=newx), interval = 'confidence',
                          level=0.95)

#create scatterplot of values with regression line 
plot(weightsE$body, weightsE$body)
abline(model1)

#add dashed lines (lty=2) for the 95% confidence interval
lines(newx, conf_interval[,2], col="blue", lty=2)
lines(newx, conf_interval[,3], col="blue", lty=2)

但是预测的结果不会为上和下层产生直线，它们更像是随机的预测。

Answer 1

您有一些问题要解决。

1. 当您生成模型时，请勿使用rlm（poatese $ brain〜pofese $ body），而是使用rlm（brain〜ody，data = positese）。否则，该模型将无法获取新数据进行预测。 将从原始poatese $ body值中产生
2. 您得到的任何预测都 称为“大脑”，但您正在尝试预测“大脑”的价值，因此您需要一个称为“ Body”的列
3. Newx已经是数据框架，但是由于某种原因，您将其包装在内部 newx。
4. 当您进行newdata = data.frame（x = newx）时，只需通过 Body），当它应为绘图（poatese $ hophos，poadse $ brain）

将所有这些放在一起，并使用带有与您自己的名称相同名称的虚拟数据集（请参阅下文） ，我们得到：

library(MASS)

model1 <- rlm(brain ~ body, data = weightsE)

newx <- data.frame(body = seq(min(weightsE$body), 
                              max(weightsE$body), length.out=70))

conf_interval  <- predict(model1, newdata = data.frame(x=newx), 
                          interval = 'confidence',
                          level=0.95)

#create scatterplot of values with regression line 
plot(weightsE$body, weightsE$brain)
abline(model1)

#add dashed lines (lty=2) for the 95% confidence interval
lines(newx$body, conf_interval[, 2], col = "blue", lty = 2)
lines(newx$body, conf_interval[, 3], col = "blue", lty = 2)

顺便说一句，您可以在GGPLOT中完成整个代码：

library(ggplot2)

ggplot(weightsE, aes(body, brain)) + 
  geom_point() + 
  geom_smooth(method = MASS::rlm)

可重复可重复的虚拟数据

data(mtcars)
weightsE <- setNames(mtcars[c(1, 6)], c("brain", "body"))
weightsE$body <- 10 - weightsE$body