Cách không đau nhất để phù hợp với đường cong tăng trưởng logistic trong R là gì?

Điều này không dễ với Google như một số điều khác, rõ ràng, tôi không nói về hồi quy logistic theo nghĩa sử dụng hồi quy để dự đoán các biến phân loại.

Tôi đang nói về việc phù hợp với một đường cong tăng trưởng logistic cho các điểm dữ liệu nhất định. Cụ thể, là một năm nhất định từ năm 1958 đến 2012 và là ppm CO2 toàn cầu ước tính (một phần triệu carbon dioxide) vào tháng 11 năm .$x$$y$$x$

Ngay bây giờ nó đang tăng tốc nhưng đôi khi nó phải chững lại. Vì vậy, tôi muốn một đường cong logistic.

Tôi chưa tìm thấy một cách tương đối đơn giản để làm điều này.

Xem nls()chức năng. Nó có một chức năng mô hình đường cong logistic tự bắt đầu thông qua SSlogis(). Ví dụ: từ ?nlstrang trợ giúp

> library("nls")
> DNase1 <- subset(DNase, Run == 1)
>      
> ## using a selfStart model
> fm1DNase1 <- nls(density ~ SSlogis(log(conc), Asym, xmid, scal), 
+                  DNase1)

Tôi đề nghị bạn đọc các trang trợ giúp cho các chức năng này và có thể là các tài liệu tham khảo được liên kết nếu có thể để tìm hiểu thêm.

Tôi đã có cùng một câu hỏi một chút trước đây. Đây là những gì tôi tìm thấy:

Fox và Weisberg đã viết một bài viết bổ sung tuyệt vời bằng cách sử dụng chức năng nls (cả có và không có tùy chọn tự khởi động được đề cập bởi Gavin). Nó có thể được tìm thấy ở đây:

http://socserv.mcmaster.ca/jfox/Books/Compmate/appcill/Appends-Nonlinear-Regression.pdf

Từ bài viết đó, cuối cùng tôi đã viết một hàm cho lớp của mình sử dụng khi khớp đường cong logistic với dữ liệu của chúng:

###Log fit - be sure to use quotes around the variable names in the call
log.fit <- function(dep, ind, yourdata){
#Self-starting...

y <- yourdata[, dep]
x <- yourdata[, ind]

log.ss <- nls(y ~ SSlogis(x, phi1, phi2, phi3))

#C
C <- summary(log.ss)$coef[1]
#a
A <- exp((summary(log.ss)$coef[2]) * (1/summary(log.ss)$coef[3]))
#k
K <- (1 / summary(log.ss)$coef[3])

plot(y ~ x, main = "Logistic Function", xlab=ind, ylab=dep)
lines(0:max(x), predict(log.ss, data.frame(x=0:max(x))), col="red")

r1 <- sum((x - mean(x))^2)
r2 <- sum(residuals(log.ss)^2)

r_sq <- (r1 - r2) / r1

out <- data.frame(cbind(c(C=C, a=A, k=K, R.value=sqrt(r_sq))))
names(out)[1] <- "Logistic Curve"

return(out)
}