因變量和自變量間的擬合關(guān)系對(duì)于生態(tài)學(xué)而言極其重要江滨，很多因變量和自變量間關(guān)系是一元線性回歸肢础，然而很多數(shù)據(jù)并不一定是直線關(guān)系，而是需要探索其曲線擬合關(guān)系对嚼。這種曲線關(guān)系并非直觀看出瓣俯，而是需要進(jìn)行統(tǒng)計(jì)檢驗(yàn)杰标，通過(guò)比較擬合度及其顯著性，來(lái)選擇最優(yōu)擬合模型彩匕。
赤池信息準(zhǔn)則（Akaike information criterion, AIC）和貝葉斯信息準(zhǔn)則（Bayesian information criterion, BIC）是兩個(gè)經(jīng)常用來(lái)評(píng)估模型適應(yīng)性（fitness）的指標(biāo)腔剂，它們的值越小則代表模型越適合。因此驼仪，在選定模型之前需要評(píng)估包括因變量和自變量的每個(gè)模型的AIC和BIC值掸犬。本文介紹BestFitM包的bestFitM()函數(shù)來(lái)尋找最優(yōu)擬合模型過(guò)程及其作圖袜漩，最多包括7個(gè)擬合模型。
示例案例
rm(list = ls())
#利用devtools包進(jìn)行安裝
#install.packages("devtools")
#安裝BestFitM包
devtools::install_github("fhruilin/BestFitM")
#加載BestFitM包
library(BestFitM)
#調(diào)用系統(tǒng)自帶的數(shù)據(jù)
data("mtcars")
#尋找最優(yōu)擬合模型
bestFitM(data = mtcars, x= "mpg", y = "disp")#7個(gè)模型
#其中mtcars為數(shù)據(jù)框湾碎，x為數(shù)據(jù)框中自變量的名宙攻，y為因變量的名
bestFitM2(mtcars, x= "mpg", y = "disp")#5個(gè)模型
#查看最優(yōu)模型的具體信息，例如line3P模型
FitM(data = mtcars, x= "mpg", y = "disp",model = "line3P" )
#查看最優(yōu)模型的具體信息介褥，例如exp2P模型
FitM(data = mtcars, x= "mpg", y = "disp",model = "exp2P" )
##作圖
##這里使用basicTrendline包進(jìn)行作圖
library(basicTrendline)
#整理數(shù)據(jù)
mpg <- mtcars[,"mpg"]
disp <- mtcars[,"disp"]
#作圖
trendline(mpg,disp,model= "line3P",
ePos.x="top",
summary=TRUE,
eDigit=3)
trendline(mpg,disp,model= "exp2P",
ePos.x="top",
summary=TRUE,
eDigit=3)
