如何在同一数据中拟合两个线性回归？答案

【问题标题】：How can I fit two linear regression in the same data?如何在同一数据中拟合两个线性回归？
【发布时间】：2019-11-22 13:32:30
【问题描述】：

可能听起来很愚蠢，但假设我有：

x = c(1:10)
y = c(2,4,6,8,10,12,12.5,13,13.5,14)

散点图如下所示：

我不想拟合一个线性回归，而是拟合两个线性回归 eq。 1 当 x > a 和 eq. 2 当 x a。并且还从坡度变化时找到 a 值。在此示例中，a 从视觉分析中约为 6，但有没有办法更自动地找到它？

我正在寻找的是这样的：

【问题讨论】：

【解决方案1】：

CRAN 包segmented 非常适合此类问题。使用起来甚至很简单。首先拟合一个线性模型，然后得到分段拟合。

library(segmented)

x <- 1:10
y <- c(2,4,6,8,10,12,12.5,13,13.5,14)

fit <- lm(y ~ x)
segfit <- segmented(fit)

现在是断点。 segfit$psi[2] 是断点。

segfit$psi
#       Initial Est.       St.Err
#psi1.x     5.5    6 6.452643e-16

摘要提供了更多信息。

summary(segfit)

并绘制图表。

plot(x, y)
plot(segfit, add=TRUE)

【讨论】：

【解决方案2】：

当你绘图时：

scatter.smooth(x,y)

除此之外，您还可以使用 for 循环检查斜率在哪里发生变化：

for(i in 1:length(x)){
slope = (y[i+1]-y[i]/(x[i+1]-x[i]))
  print(paste(i,slope))
}

希望这会有所帮助。

【讨论】：