ggplot2中强大的标准错误

本文介绍了ggplot2中强大的标准错误的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述 29岁程序员，3月因学历无情被辞！ 我想用ggplot2绘制一个模型。我估计了一个强大的方差 - 协方差矩阵，我想在估计置信区间时使用它。 我可以告诉ggplot2使用我的VCOV，或者，也可以我以某种方式强迫predict.lm使用我的VCOV矩阵？一个虚拟的例子： source（http://people.su.se/~ma/clmclx.R）$ （样本（1:10,100，取代= T））=（数据帧）（x 1 = r norm（100），x 2 = r norm（100），y = ）） lm1 coeftest（lm1） ##输出coef.test，但可以修改为输出VCOV clx（lm1，1，df $ group） 添加到ggplot，如果我可以通过增强VCOV矩阵得到'正确'的预测结果。 只有标准错误，而不是预测，应该改变 - 对吗？ getvcov< - function（fm，dfcw，cluster）{ library三明治）;库（lmtest） M N K dfc （f），2，函数（x）tapply（x，cluster）（1）应用（estfun（fm） ，sum））; dfc * sandwich（fm，meat = crossprod（uj）/ N）* dfcw } V X se se_robust< - sqrt（diag（X ％*％V％*％t（X））） I would like to plot a model with ggplot2. I have estimated a robust variance-covariance matrix which I would like to use when estimating the confidence interval.Can I tell ggplot2 to use my VCOV, or, alternatively, can I somehow force predict.lm to use my VCOV matrix? A dummy example:source("http://people.su.se/~ma/clmclx.R")df <- data.frame(x1 = rnorm(100), x2 = rnorm(100), y = rnorm(100), group = as.factor(sample(1:10, 100, replace=T)))lm1 <- lm(y ~ x1 + x2, data = df)coeftest(lm1)## outputs coef.test, but can be modified to output VCOVclx(lm1, 1, df$group)It would be relatively easy to add to a ggplot, if I could get 'correct' predictions given my augmented VCOV-matrix. 解决方案 Only the standard errors, not the predictions, should change -- right?getvcov <- function(fm,dfcw,cluster) { library(sandwich);library(lmtest) M <- length(unique(cluster)) N <- length(cluster) K <- fm$rank dfc <- (M/(M-1))*((N-1)/(N-K)) uj <- apply(estfun(fm),2, function(x) tapply(x, cluster, sum)); dfc*sandwich(fm, meat=crossprod(uj)/N)*dfcw}V <- getvcov(lm1,1,df$group)X <- as.matrix(model.frame(lm1))se <- predict(lm1,se=TRUE)$se.fitse_robust <- sqrt(diag(X %*% V %*% t(X))) 这篇关于ggplot2中强大的标准错误的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！ 上岸，阿里云！