我正在try 对Carbon 排放进行趋势分析,根据目前的趋势,以某种可信区间来估计我们什么时候能达到Carbon 中和.你知道我如何用R来做这件事,然后有希望用图表显示我的结果吗?
我曾try 使用我更熟悉的其他软件(Minitab)构建线性回归模型,但我希望我可以在R中做同样的事情,以保持该项目的所有代码都使用一种语言,而且我也不确定线性回归是否合适,因为数据不一定是线性的
一旦我在我的家用PC上,如果问题仍然没有得到回答,我可以显示我目前拥有的数据,如果这有帮助的话
我正在try 对Carbon 排放进行趋势分析,根据目前的趋势,以某种可信区间来估计我们什么时候能达到Carbon 中和.你知道我如何用R来做这件事,然后有希望用图表显示我的结果吗?
我曾try 使用我更熟悉的其他软件(Minitab)构建线性回归模型,但我希望我可以在R中做同样的事情,以保持该项目的所有代码都使用一种语言,而且我也不确定线性回归是否合适,因为数据不一定是线性的
一旦我在我的家用PC上,如果问题仍然没有得到回答,我可以显示我目前拥有的数据,如果这有帮助的话
在等待你的数据和更具体的要求后,你可以用tidyverse
和ggplot
的趋势线绘制线条图.geom_smooth()
函数通过lm
添加一个线性模型,您可以将se
设置为TRUE以确定可信区间.
library(tidyverse)
carbon <- read_csv("https://datahub.io/core/co2-fossil-global/r/global.csv")
carbon %>%
ggplot(aes(x=Year, y=Total)) + geom_line() +
geom_smooth(method = lm, se = FALSE) +
labs(title = "Global CO2 Emissions from Fossil Fuels since 1751",
subtitle = "Source: https://datahub.io/core/co2-fossil-global") +
theme_minimal()
您是否计划在回归模型中加入其他内容?
Update个
这是作者的数据.
carbon <- data.frame(fossil_fuel =c(69.50426, 68.33529, 68.08371, 68.65155, 72.15907, 71.78847, 72.04432, 73.28336, 73.99019, 73.55609, 74.91764, 77.81596, 78.85325, 73.80238, 75.30230, 70.61190, 70.01013, 67.43910, 64.03521, 57.17204, 55.26921, 52.13594, 49.62602, 47.03623),
year <- seq(from = 1996, to = 2019, by = 1))
carbon %>%
ggplot(aes(x=year, y=fossil_fuel)) + geom_line() +
geom_smooth(method = lm, se = FALSE) +
labs(x = "Year", y = "Fossil Fuel %") +
theme_minimal()
lm(fossil_fuel ~ year, data=carbon)
Coefficients:
(Intercept) year
1693.89 -0.81