在R中具有95％置信区间的绘图阈值/分段/变化点模型

Question

我想绘制一个线段之间具有95％置信区间平滑线的阈值模型。您可能认为这只是简单的一面，但我一直找不到答案！

我的阈值/断点是已知的，如果有一种可视化此数据的方法，那就太好了。我已经尝试了产生以下图的分段包：

该图显示了一个断点为5.4的阈值模型。但是，回归线之间的置信区间并不平滑。

[如果有人知道以任何方式产生平滑的（即在线段之间没有跳跃）分段回归线之间的CI线（理想情况下在ggplot中），那将是惊人的。非常感谢。

我提供了示例数据和下面尝试的代码：

x <- c(2.26, 1.95, 1.59, 1.81, 2.01, 1.63, 1.62, 1.19, 1.41, 1.35, 1.32, 1.52, 1.10, 1.12, 1.11, 1.14, 1.23, 1.05, 0.95, 1.30, 0.79,
0.81, 1.15, 1.10, 1.29, 0.97, 1.05, 1.05, 0.84, 0.64, 0.80, 0.81, 0.61, 0.71, 0.75, 0.30, 0.30, 0.49, 1.13, 0.55, 0.77, 0.51,
0.67, 0.43, 1.11, 0.29, 0.36, 0.57, 0.02, 0.22, 3.18, 3.79, 2.49, 2.44, 2.12, 2.45, 3.22, 3.44, 3.86, 3.53, 3.13)

y <- c(22.37, 18.93, 16.99, 15.65, 14.62, 13.79, 13.09, 12.49, 11.95, 11.48, 11.05, 10.66, 10.30,  9.96,  9.65,  9.35,  9.07,  8.81,
       8.56,  8.32,  8.09,  7.87,  7.65,  7.45,  7.25,  7.05,  6.86,  6.68,  6.50,  6.32,  6.15,  5.97,  5.80,  5.63,  5.47,  5.30,
        5.13,  4.96,  4.80,  4.63,  4.45,  4.28,  4.09,  3.90,  3.71,  3.50,  3.27,  3.01,  2.70,  2.28, 22.37, 16.99, 11.05,  8.81,
       8.56,  8.32,  7.25,  7.05,  6.50,  6.15,  5.63)

lin.mod <- lm(y ~  x)
segmented.mod <- segmented(lin.mod, seg.Z = ~x, psi=2)
plot(x, y)
plot(segmented.mod, add=TRUE, conf.level = 0.95)

将产生以下图（以及相关的跳跃（95％置信区间）：]

segmented plot

Answer 1

背景：现有变更点包中的不平滑性是由于频繁打包程序以固定的变更点值进行操作。但是与所有推断的参数一样，这是错误的，因为确实存在有关更改位置的不确定性。 AFAIK，只有贝叶斯方法可以对其进行量化，并且mcp程序包将填充此空间。

library(mcp)
model = list(
  y ~ 1 + x,   # Segment 1: Intercept and slope
  ~ 0 + x  # Segment 2: Joined slope (no intercept change)
)
fit = mcp(model, data = data.frame(x, y))

默认图（plot.mcpfit()返回ggplot对象：

plot(fit) + ggtitle("Default plot")

每行表示生成数据的可能模型。更改点的后部显示为蓝色密度。您可以使用plot(fit, q_fit = TRUE)在顶部添加可靠的间隔，也可以单独绘制它：

plot(fit, lines = 0, q_fit = c(0.025, 0.975), cp_dens = FALSE) + ggtitle("Credible interval only")

如果您的变更点确实是已知，并且您想为每个线段建模不同的残差标度（即，准模拟segmented），则可以执行以下操作：

model2 = list(
  y ~ 1 + x,
  ~ 0 + x + sigma(1)  # Add intercept change in residual scale
)
fit = mcp(model2, df, prior = list(cp_1 = 1.9))
plot(fit, q_fit = TRUE, cp_dens = FALSE)

[注意，CI不会像segmented那样在变更点附近“跳跃”。我相信这是正确的行为。披露：我是mcp的作者。