使用R语言nls函数时lines函数报xy.coords错误的解决咨询

核心问题 #

你的非线性回归模型将x作为因变量、y作为自变量（公式：x ~ Y0*exp(-a*y)），但调用predict时错误传入了因变量x的取值，而非模型需要的自变量y的取值。由于newdata中缺少y，predict默认使用原始数据的6个y值，导致预测结果长度仅为6，而你用来绘图的b（长度416）和预测结果长度不匹配，触发'x' and 'y' lengths differ错误。

解决方法（二选一） #

方法1：基于现有模型绘制拟合线 #

既然模型是x = Y0*exp(-a*y)，我们可以生成一系列y的取值，预测对应的x，再按x排序后绘制（保证线条连贯）：

x = c(400,240,230,130,117,28)
y = c(0,15,35,85,110,135)
df = data.frame(x,y)

plot(x,y,ylim=rev(range(y)),ylab='y',xlab='x',las=1)
m=nls(x~Y0*exp(-a*y),data=df,start=list(Y0=415,a=0.015))

# 生成y的序列，覆盖原始y的范围，取足够多点保证线条平滑
new_y = seq(min(df$y), max(df$y), length.out = 100)
# 传入y的新值预测x
pred_x = predict(m, list(y = new_y))
# 按x排序，避免线条乱序
fit_df = data.frame(pred_x, new_y)
fit_df = fit_df[order(fit_df$pred_x), ]
# 绘制拟合线
lines(fit_df$pred_x, fit_df$new_y, type="l", col="blue")

方法2：重新拟合以y为因变量的模型 #

如果你习惯以x为横轴、直接用x的序列预测y，可以重新拟合模型（将y作为因变量）：

x = c(400,240,230,130,117,28)
y = c(0,15,35,85,110,135)
df = data.frame(x,y)

plot(x,y,ylim=rev(range(y)),ylab='y',xlab='x',las=1)
# 重新拟合模型：y关于x的函数，从原公式变形得到 y = -(1/a)*ln(x/Y0)
m = nls(y ~ -log(x/Y0)/a, data=df, start=list(Y0=415,a=0.015))

# 生成x的序列，覆盖原始x的范围
new_x = seq(min(df$x), max(df$x), length.out = 100)
# 传入x的新值预测y
pred_y = predict(m, list(x = new_x))
# 绘制拟合线
lines(new_x, pred_y, type="l", col="blue")

两种方法都能解决长度不匹配的问题，并且顺利绘制拟合线。你可以根据自己的分析需求选择其中一种。

内容的提问来源于stack exchange，提问作者ASchnur