绘图滞后效应，r中的DLNM软件包
我在R中使用DLNM软件包检查了与温度相关的死亡率。我想使用此代码在特定温度下解释滞后效应：#CrossBasis矩阵
cb＆lt; -crossbasis（数据$温度，滞后= 21，lag = 21， argvar = list（fun =“ ns”，knots = nterile（数据$温度，C（10,75,90）/100）/100,na.rm = t），arglag = list（knots = logknots（21,3）） ）
#model模型＆lt; -glm（死亡率〜cb + ns（时间，df = 8*11） +（Dayoftheek），数据，family = quasipoisson）
cen＆lt; ----- 25.4预测的#center值
#predictions pred＆lt; -crosspred（cb，model，by = 0.1，cen = cen，cen，cumul = true）
如果我运行的pred摘要，我明白了：
预测：值：418以：25.4范围：-7.6，34.1滞后：0 21指数：是累积：是
模型：参数：20 类：GLM LM 链接：log
然后我尝试绘制绘制：
绘图（pred，slices'，var = 1.8，col = 2，pch = 19，ylab =“ rr”，xlab =“ lag（ days）”），
但我收到此错误消息：
lines.crosspred（pred，“ slices”，var = 1.8：'var'必须匹配预测的值。
我可以弄清楚我做错了什么。
I examine temperature related mortality using dlnm package in R. I want to interpret lag effect at specific temperatures using this code: #crossbasis matrix
cb<-crossbasis(data$Temperature,lag=21,argvar=list(fun="ns", knots=quantile(data$Temperature,c(10,75,90)/100,na.rm=T)), arglag=list(knots=logknots(21,3)))
#model model<-glm(mortality ~ cb + ns(Time,df=8*11) + (DayOfTheWeek), data, family=quasipoisson)
cen<-25.4 #centering value for predictions
#predictions pred<-crosspred(cb,model,by=0.1,cen=cen, cumul=TRUE)
If I run summary of pred I get this:
PREDICTIONS: values: 418 centered at: 25.4 range: -7.6 , 34.1 lag: 0 21 exponentiated: yes cumulative: yes
MODEL: parameters: 20
class: glm lm
link: log
Then I try to plot:
plot(pred, "slices", var=1.8, col=2, pch=19, ylab="RR", xlab="Lag (days)")
But I get this error message:
Error in lines.crosspred(pred, "slices", var = 1.8: 'var' must match values used for prediction.
I can't figure out what I am doing wrong. I would really appreciate any help.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
我使用了“” var并工作了：
I used "" var and worked: