У меня есть совокупные данные о населении на конец каждого месяца за два года (2016, 2017).Я хотел бы объединить эти два года и рассматривать совокупный итог каждого месяца как повторную меру (по одному на каждый год) и подбирать модель нелинейного роста к этим данным.Цель состоит в том, чтобы определить, соответствуют ли наши текущие совокупные месячные итоги за 2018 год достижению нашей более высокой цели по численности населения на конец 2018 года, увеличив асимптотику модели до нашей цели на конец 2018 года.В идеале я хотел бы интегрировать доверительный интервал в модель, которая отражает разницу между двумя годами в каждом месяце.
Мои столбцы в моем data.frame следующие: - Год - год - Месяц - месяц -Время - номер месяца (1–12). «Итого» - итоговая совокупная совокупная численность населения на конец месяца. - Норма - это доля итогового числа на конец года за этот месяц.1006 * Вот мои данные, представленные в виде точечной диаграммы:
Должен ли я рассматривать два года как отдельные модели или я могу объединить все данные в одну?
Я былсмог вычислить перехват и параметр роста только для 2016 года, используя следующий код:
coef(lm(logit(df_tot$Norm[1:12]) ~ df_tot$Time[1:12]))
и получил нелинейную регрессию наименьших квадратов за 2016 год с этим кодом:
fit <- nls(Total ~ phi1/(1+exp(-(phi2+phi3*Time))), start = list(phi1=15064, phi2 = -1.253, phi3 = 0.371), data = df_tot[c(1:12),], trace = TRUE)
Любая помощь более чем ценится!Нелинейное моделирование временных рядов - это не моя сильная сторона, и поиск в Google не очень сильно продвинул меня вперед.