ฉันมีชุดข้อมูลที่มีหลายสัดส่วนที่รวมกันเป็น 1 ฉันสนใจที่จะเปลี่ยนสัดส่วนเหล่านี้ตามการไล่ระดับสี (ดูตัวอย่างด้านล่างสำหรับข้อมูลตัวอย่าง)
gradient <- 1:99
A1 <- gradient * 0.005
A2 <- gradient * 0.004
A3 <- 1 - (A1 + A2)
df <- data.frame(gradient = gradient,
A1 = A1,
A2 = A2,
A3 = A3)
require(ggplot2)
require(reshape2)
dfm <- melt(df, id = "gradient")
ggplot(dfm, aes(x = gradient, y = value, fill = variable)) +
geom_area()
ข้อมูลเพิ่มเติม: มันไม่จำเป็นต้องเป็นเส้นตรงฉันทำเพื่อความง่ายของตัวอย่าง จำนวนต้นฉบับที่คำนวณสัดส่วนเหล่านี้ยังมีอยู่ ชุดข้อมูลจริงมีตัวแปรเพิ่มขึ้นมากถึง 1 (เช่น B1, B2 & B3, C1 ถึง C4 ฯลฯ ) - ดังนั้นคำแนะนำสำหรับการแก้ปัญหาหลายตัวแปรก็มีประโยชน์เช่นกัน ... แต่สำหรับตอนนี้ฉันจะติดอยู่ที่ univariate ด้านของสถิติ
คำถาม: เราจะวิเคราะห์ข้อมูลประเภทนี้ได้อย่างไร? ฉันได้อ่านนิด ๆ หน่อย ๆ และบางทีแบบจำลองแบบมัลติโนเมียลหรือ glm เหมาะ? - หากฉันรัน glms 3 (หรือ 2) ฉันจะรวมข้อ จำกัด ที่ค่าที่คาดการณ์รวมไว้ที่ 1 ได้อย่างไร ฉันไม่ต้องการพล็อตข้อมูลประเภทนี้เพียงอย่างเดียวฉันยังต้องการถดถอยอย่างลึกล้ำเช่นการวิเคราะห์ ฉันต้องการใช้ R - ฉันจะทำสิ่งนี้ใน R ได้อย่างไร
proprcspline
ใน Stata อาจเป็นสิ่งที่คุณกำลังมองหา (ฉันรู้ว่าคุณต้องการใช้R
แต่อาจเป็นจุดเริ่มต้น): proprcspline คำนวณลูกบาศก์ spline ที่ จำกัด ตามสัดส่วนของการสังเกตในแต่ละประเภทของ yvar ที่ได้รับ xvar และ กราฟพวกเขาเป็นพล็อตพื้นที่ซ้อนกัน ทางเลือกสัดส่วนที่ราบรื่นเหล่านี้สามารถปรับได้สำหรับชุดของตัวแปรควบคุม (cvars)