Интерпретация диаграммы разброса (R) и вычисление дисперсии среднего

Question

Я пытаюсь сопоставить результат моделирования с образцами. Поэтому у меня много точек данных, поэтому я выбрал бининговую диаграмму рассеяния. В одной из статей было предложено построить график с разбиением на интервалы, чтобы рассчитать эффект первого порядка путем вычисления дисперсии цветных точек. Мой график выглядит так:

Я использовал код для этого графика отсюда: создание диаграмм разброса для двух переменных в ggplot2 в R

Однако я не вполне умею трактовать сюжет. Я понимаю, что цветные точки являются средними значениями ячеек, но что они на самом деле говорят нам о данных и как мне в дальнейшем рассчитать дисперсию этих желтых точек?

* 1008 показать (слабую) линейную взаимосвязь, хотя некоторые из желтых точек на самом деле не соответствуют тенденции?

Заранее спасибо!

Бинированная диаграмма рассеяния

Answer 1

Мы можем объединить данные с помощью функции cut() следующим образом:

mybin <- cut(df$x,20,include.lowest=TRUE,right = FALSE)
df$Bins <- mybin

Затем, чтобы вычислить среднее значение разделенных данных,

library(tidyverse)

out<- df %>% group_by(Bins) %>% summarise(x=mean(x),y=mean(y)) %>% as.data.frame()

Чтобы сравнить наши результаты с stat_summary_bin() функция ggplot2, мы можем построить их вместе,

(ggplot(df, aes(x=x,y=y)) +
  geom_point(alpha = 0.4) +
  stat_summary_bin(fun='mean', bins=20,
                   color='orange', size=2, geom='point') +
     geom_point(data = out,color="green"))

# green dots are the points we calculated. They are perfectly matching.

Now, to calculate the variance, we can simply follow the same process with the var() function. So,

 df %>% group_by(Bins) %>% summarise(Varx=var(x),Vary=var(y)) %>% as.data.frame()

gives the variance of the binned data. Note that, since the x axis is binned, the variance of x will be almost zero. So,the important one in here is the variance of the y axis actually.

• The variances of the binned data gives us a mimic about the гетероскедастичность данных.

• Путь к среднему бинну также показывает структуру данных. Так что ваши данные имеют положительную динамику. (Нет необходимости видеть идеальную плавную линию). Но он становится слабее из-за различных средств, как вы предложили.

Данные:

set.seed(42)
x <- runif(1000)
y <- x^2 + x + 4 * rnorm(1000)
df <- data.frame(x=x, y=y)

Примечание: Данные и некоторые коды ggplot2 были взяты из указанного вопроса ОП .