什么是 matlab 的 csaps() 的 R 等价物

Question

csaps()根据平滑参数p的特定定义生成三次样条曲线。以下是一些matlab代码及其结果：

     % x variable
    age = 75:99  
    % y variable
    diffs = [-39   -2 -167  -21  -13   32  -37 -132 -143  -91  -93  -88  -62 -112  -95  -28  -90  -40  -27  -23  -28  -11   -8   -6    1]
    % 0.0005 is the parameter p, and the later specification of 
    % age are the desired x for prediction
    csaps(age,diffs,0.0005,age)
    % result (column headers removed):
     -63.4604  -64.0474  -64.6171  -65.1397  -65.6111  -66.0165  -66.3114  
     -66.4123  -66.2229  -65.6726  -64.7244  -63.3582  -61.5676  -59.3568  
     -56.7364  -53.7382  -50.4086  -46.7922  -42.9439  -38.9183  -34.7629  
     -30.5180  -26.2186  -21.8912  -17.5532

我想在R中得到相同的结果。我尝试过base::smooth.spline()，但平滑参数spar是以不同的方式指定的，我似乎与matlab的p无关（你能吗？）。我能得到的最接近的结果是使用了pspline包的smooth.Pspline()函数。以下是一些代码，让事情在R中滚动：

age <- 75:99
diffs <- c(-39L, -2L, -167L, -21L, -13L, 32L, -37L, -132L, -143L, -91L, 
-93L, -88L, -62L, -112L, -95L, -28L, -90L, -40L, -27L, -23L, 
-28L, -11L, -8L, -6L, 1L)
predict(pspline::smooth.Pspline(
                           x = age,
                           y = diffs, 
                           norder = 2, 
                           method = 1,
                           spar = 1 / 0.0005     # p given in MP and matlab as 0.0005
                         ),age)
# which gives something close, but not exactly the same:
 [1] -63.46487 -64.05103 -64.61978 -65.14158 -65.61214 -66.01662 -66.31079
 [8] -66.41092 -66.22081 -65.67009 -64.72153 -63.35514 -61.56447 -59.35372
[15] -56.73367 -53.73584 -50.40680 -46.79098 -42.94333 -38.91850 -34.76393
[22] -30.51985 -26.22131 -21.89474 -17.55757

csaps（）帮助页面在这里

smooth.spline()的帮助可以在这里找到（没有给出代码，因为我认为spar和p之间的关系可能很复杂，所以可能不值得走这条路）

pspline::smooth.Pspline()帮助在这里

这个人2008年的追求似乎没有得到回应，让我觉得自己就是这个人。

R充满了样条函数，所以如果你们中的saavy能给我指一个和matlab的csaps()做同样事情的函数（或者沿着这些线的一个技巧），我将不胜感激。

【编辑：2013年8月19日】spar需要指定为(1-p)/p（而不是1/p），然后在数字精度允许的范围内，结果会一致。请参阅下面的答案。

Answer 1

我的同事找到了答案：一个人把matlab的p转换成pspline::smooth.Pspline()的spar，而不是1/p，而是(1-p)/p，然后无论数值精度如何，结果都会一致：

c(predict(pspline::smooth.Pspline(
                          x = age,
                          y = diffs, 
                          norder = 2, 
                          method = 1,
                          spar = (1-0.0005) / 0.0005     # p given in MP and matlab as 
                         ),age))
 [1] -63.46035 -64.04741 -64.61705 -65.13972 -65.61114 -66.01646 -66.31144
 [8] -66.41232 -66.22285 -65.67263 -64.72443 -63.35823 -61.56761 -59.35675
[15] -56.73643 -53.73821 -50.40864 -46.79221 -42.94387 -38.91828 -34.76291
[22] -30.51801 -26.21863 -21.89122 -17.55320

Answer 2

以下是我在David Hiebeler的MATLAB/R参考第16页中发现的内容。[不过，我不使用Matlab]。

将自然三次样条曲线（两端的S′′′（x）=0）拟合到坐标在向量x和y中的点（xi，yi）；在x坐标位于向量xx中的点进行求值，存储yy 中的相应y

Matlab:

pp=csape(x,y,’variational’);
yy=ppval(pp,xx) but note that
csape is in Matlab’s Spline
Toolbox

R

tmp=spline(x,y,method=’natural’,
xout=xx); yy=tmp$y