为数据拟合平滑/累积分布函数并由y预测x的技术求助

你的数据呈现典型的S型累积分布特征，loess局部回归并不适合这类场景——样本量少的时候容易出现超出合理范围的拟合结果（比如y<0），而且无法直接实现从y到x的反向预测。以下是针对性的修正方案：

1. 选择合适的模型 #

优先选择天然适配累积分布的模型，比如Logistic回归模型或非线性S型曲线拟合，这类模型能保证y值始终在0-100之间，且有明确的解析形式方便反向预测。同时结合你绘图时用的log10变换，用log10(xvar)作为自变量能让拟合效果更理想。

2. 完整代码实现 #

（1）数据准备与模型拟合 #

test <- data.frame("xvar"=c(0.01,0.86,2,6.3,20),"yvar"=c(0.14,0.16,5.16,89.77,100))

# 方案一：Logistic回归（将y转换为0-1概率后拟合，再还原到0-100）
test$y_prob <- test$yvar / 100
logit_fit <- glm(y_prob ~ log10(xvar), data = test, family = binomial(link = "logit"))

# 方案二：非线性最小二乘直接拟合S型曲线
nls_fit <- nls(yvar ~ 100 / (1 + exp(-a - b*log10(xvar))), 
               data = test, 
               start = list(a = 0, b = 1))  # 初始参数可根据数据调整

（2）可视化拟合结果 #

library(ggplot2)

# 生成密集的x序列用于绘制平滑曲线
x_seq <- seq(min(test$xvar), max(test$xvar), length.out = 100)

# 用两个模型分别预测y值
pred_y_logit <- predict(logit_fit, newdata = data.frame(xvar = x_seq), type = "response") * 100
pred_y_nls <- predict(nls_fit, newdata = data.frame(xvar = x_seq))

# 绘图对比
(testplot <- ggplot(test,aes(x=xvar,y=yvar)) + 
    geom_point(lwd=1) +
    geom_line(aes(x=x_seq, y=pred_y_logit), col="red", lwd=1) +      
    geom_line(aes(x=x_seq, y=pred_y_nls), col="blue", lwd=1, linetype="dashed") +
    scale_x_continuous(trans='log10') +
    xlab("X") + 
    ylab("Y") +
    labs(title="Test", subtitle="红色：Logistic模型 | 蓝色：非线性S型模型"))

（3）根据y值反向预测x #

利用模型的解析反函数直接计算：

# Logistic模型的反向预测函数（输入y值，输出对应的x）
predict_x_logit <- function(y_val) {
  if(y_val <= 0 || y_val >= 100) stop("y值需在0-100之间")
  y_prob <- y_val / 100
  # 推导反函数：log10(x) = (log(y_prob/(1-y_prob)) - 截距)/斜率
  log10_x <- (log(y_prob/(1 - y_prob)) - coef(logit_fit)[1]) / coef(logit_fit)[2]
  return(10^log10_x)
}

# 测试示例
predict_x_logit(50)  # 预测y=50时的x值
predict_x_logit(80)  # 预测y=80时的x值

3. 原始代码问题解析 #

• loess的局限性：loess是局部加权回归，仅5个样本的情况下，局部拟合极易出现过拟合，导致y值超出0-100的合理范围。
• 变换不匹配：绘图时对x做了log10变换，但loess拟合用的是原始x尺度，导致拟合模型与视觉趋势脱节。
• 反向预测困难：loess没有明确的解析表达式，无法直接通过y值反推x值。

内容的提问来源于stack exchange，提问作者Max_