Блог

Я пытаюсь подогнать простую логистическую кривую, 1 ответ ~ 1 предсказатель.

 library("drc")
mL <- drm(percent_farm_tractor ~ year, data = final.df, fct = L.3(), 
type = "continuous")
summary(mL)
plot(mL)
coef(mL)
modelFit(mL)
  

Я привык использовать логистическую регрессию в качестве метода классификации, и использование этих пакетов мне довольно неизвестно. Эта модель возвращает сводную информацию и график подгонки, приведенный ниже:

Краткое описание модели

График

Я понимаю, что «b» — это наклон, «d» — это потолок, а «e» — это точка перегиба. Чтобы дать некоторый контекст, я смотрю на количество тракторов a в каждом округе за данный год и ожидаю, что это будет соответствовать S-образной кривой. Итак, я ищу эти 3 параметра, но для каждого округа в моем наборе данных.

Что-то вроде:

 library(drc)
  

Разделите фрейм данных на список фреймов данных, по одному на округ:

 split_df <- split(final.df, final.df$county)
  

Функция для подгонки модели к набору данных и возврата коэффициентов:

 fitfun <- function(d) {
    mL <- drm(percent_farm_tractor ~ year, data = d, fct = L.3(), type = "continuous")
    return(coef(mL))
}
  

Примените функцию к каждому фрагменту данных:

 lapply(split_df, fitfun)