逻辑回归的代码出错

Question

我正在使用PopulationGrowth.csv编写以下脚本:

dat <-read.csv("/Path/PopulationGrowth.csv")
class = "data.frame", row.names=c(NA,-16L)
m1 <- nls(pop~SSlogis(Year,asym,xmid,scal),data=dat)
par(las=1,bty="l",mar=c(5,6,2,2)+0.1)  ## graphics tweaks
with(dat,plot(CentralOakland~Year,ylab=""))
mtext("Population",side=2,las=0,line=4)
yearvec <- 1940:2010
lines(yearvec,predict(m1,newdata=data.frame(Year=yearvec)))

在最后一行之后,我收到以下错误:

Error in predict(m1, newdata = data.frame(Year = yearvec)) : object 'm1' not found

这是我正在使用的数据:

Year CentralOakland
1940 7852 
1950 8452
1960 6701
1970 6135
1980 5872
1990 5406
2000 5281
2010 6086

我还试图预测未来30年的人口趋势.有理由相信人口将在未来30年内增加.预测这个有什么功能？

忍受我,我是R的新手.

Answer 1

这里有一些小问题:

• 你没有给我们一个可重复的例子:例如http://tinyurl.com/reproducible-000 ...
• 你可能想要read.csv而不是read.table
• 我不知道quartz=(title...)在做什么.也许quartz(title=...)？无论如何,使用plot()时应自动打开一个新的图形窗口
• 使用attach通常是一个坏主意
• 使用lines而不是curve将新的(例如)预测数据集添加到绘图中.对于线性回归的具体情况(参见下一点),您可以使用abline.
• 到目前为止最重要的是:你在这里做的不是逻辑回归 - 它glm用于拟合普通线性模型(最小二乘回归),这也可以通过更容易实现lm().Logistic回归将使用family=binomial而不是family=gaussian.此外,逻辑回归是针对二元响应变量的,所以它不太适合中奥克兰的人口建模 ...我怀疑你混淆了逻辑回归和后勤增长曲线 ......

这是一些修改后的代码:

dat <- read.csv("/Path/PopulationGrowth.csv")
with(dat,plot(Year,CentralOakland,xlab="Year",ylab="Population",
  main="Central Oakland Population vs. Year"))
g <- lm(CentralOakland~Year,data=dat)
abline(g)
## OR
yearvec <- seq(min(Year),max(Year),length=51)
lines(yearvec,predict(g,newdata=data.frame(Year=yearvec),type="response"))

另一方面,也许这就是你真正想做的事情(你没有给我们数据,所以我去了维基百科并得到了一些......)

## from http://en.wikipedia.org/wiki/Oakland,_California
dat <- structure(list(year = c(1860L, 1870L, 1880L, 1890L, 1900L, 1910L, 
1920L, 1930L, 1940L, 1950L, 1960L, 1970L, 1980L, 1990L, 2000L, 
2010L), pop = c(1543L, 10500L, 34555L, 48682L, 66960L, 150174L, 
216261L, 284063L, 302163L, 384575L, 367548L, 361561L, 339337L, 
372242L, 399484L, 390724L)), .Names = c("year", "pop"), 
  class = "data.frame", row.names = c(NA,-16L))

配件:

## SSlogis() is a "self-starting" logistic
m1 <- nls(pop~SSlogis(year,asym,xmid,scal),
          data=dat)

绘图:

par(las=1,bty="l",mar=c(5,6,2,2)+0.1)  ## graphics tweaks
with(dat,plot(pop~year,ylab=""))
## add y-label separately 
mtext("population",side=2,las=0,line=4)
yearvec <- 1860:2010
lines(yearvec,predict(m1,newdata=data.frame(year=yearvec)))