J'utilise un ensemble de points qui vont de (-5,5)
à (0,0)
et (5,5)
en "V symétrique". Je souhaite installer un modèle avec lm()
et la fonction bs()
pour adapter une « forme en V » spline:Comment interpréter les estimations des coefficients lm() lors de l'utilisation de la fonction bs() pour les splines
je reçois le « V-forme » quand je prédis les résultats par predict()
et tracer la ligne de prédiction. Mais quand je regarde les estimations du modèle coef()
, je vois des estimations auxquelles je ne m'attendais pas.
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.93821 0.16117 30.639 1.40e-09 ***
bs(x, degree = 1, knots = c(0))1 -5.12079 0.24026 -21.313 2.47e-08 ***
bs(x, degree = 1, knots = c(0))2 -0.05545 0.21701 -0.256 0.805
Je me attends à un coefficient -1
pour la première partie et un coefficient +1
pour la deuxième partie. Dois-je interpréter les estimations différemment?
Si je fais le nœud dans la fonction lm()
manuellement que je reçois ces coefficients:
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.18258 0.13558 -1.347 0.215
x -1.02416 0.04805 -21.313 2.47e-08 ***
z 2.03723 0.08575 23.759 1.05e-08 ***
C'est plus comme ça. Z (point de noeud) changement relatif à x est ~ +1
Je veux comprendre comment interpréter le résultat bs()
. J'ai vérifié, le manuel et bs
les valeurs de prédiction du modèle sont exactement les mêmes.
Désolé, ce n'était pas fait exprès, j'ai pensé que je pourrais peut-être les sélectionner tous les deux comme valides. – PDG
Les deux réponses me disent la même chose à la fin ... cependant pour moi-même je voulais comprendre pourquoi les coefficients diffèrent donc je peux comprendre la logique. Les deux réponses conduisent à la façon de calculer les valeurs de coefficient réelles, mais pour moi, Zheyuan m'a donné aussi une explication détaillée de la logique derrière elle et donc c'est ma réponse préférée. – PDG
Désolé pour ça @rbm – PDG