r - ggplotに回帰直線を追加する

Question

ggplotに回帰直線を追加しようと懸命に努力しています。私は最初にablineを試しましたが、うまく機能させることができませんでした。それから私はこれを試しました...

data = data.frame(x.plot=rep(seq(1,5),10),y.plot=rnorm(50))
ggplot(data,aes(x.plot,y.plot))+stat_summary(fun.data=mean_cl_normal) +
   geom_smooth(method='lm',formula=data$y.plot~data$x.plot)

しかし、それも機能していません。

score 220 · Accepted Answer

一般に、独自の数式を提供するには、引数を使用する必要があります。xこれは、で指定yした値に対応します。ggplot()この場合、およびとしてx解釈されます。平滑化の方法と数式の詳細については、関数のヘルプページを参照してください。これは、で使用されるデフォルトの統計です。x.plotyy.plotstat_smooth()geom_smooth()

ggplot(data,aes(x.plot, y.plot)) +
  stat_summary(fun.data=mean_cl_normal) + 
  geom_smooth(method='lm', formula= y~x)

呼び出しで指定したのと同じx値とy値を使用してggplot()いて、線形回帰直線をプロットする必要がある場合は、内部の数式を使用する必要はなく、を指定するgeom_smooth()だけmethod="lm"です。

ggplot(data,aes(x.plot, y.plot)) +
  stat_summary(fun.data= mean_cl_normal) + 
  geom_smooth(method='lm')

score 59 · Accepted Answer

先ほど説明したように、複数の線形回帰に適合したモデルがある場合、上記のソリューションは機能しません。

元のデータフレーム（この場合）の予測値を含むデータフレームとして、手動でラインを作成する必要がありますdata。

次のようになります。

# read dataset
df = mtcars

# create multiple linear model
lm_fit <- lm(mpg ~ cyl + hp, data=df)
summary(lm_fit)

# save predictions of the model in the new data frame 
# together with variable you want to plot against
predicted_df <- data.frame(mpg_pred = predict(lm_fit, df), hp=df$hp)

# this is the predicted line of multiple linear regression
ggplot(data = df, aes(x = mpg, y = hp)) + 
  geom_point(color='blue') +
  geom_line(color='red',data = predicted_df, aes(x=mpg_pred, y=hp))

# this is predicted line comparing only chosen variables
ggplot(data = df, aes(x = mpg, y = hp)) + 
  geom_point(color='blue') +
  geom_smooth(method = "lm", se = FALSE)

score 35 · Accepted Answer

シンプルで用途の広い解決策は、とを使用して線を引くslopeことinterceptですgeom_abline。散布図とlmオブジェクトの使用例：

library(tidyverse)
petal.lm <- lm(Petal.Length ~ Petal.Width, iris)

ggplot(iris, aes(x = Petal.Width, y = Petal.Length)) + 
  geom_point() + 
  geom_abline(slope = coef(petal.lm)[["Petal.Width"]], 
              intercept = coef(petal.lm)[["(Intercept)"]])

coefに提供される式の係数を抽出するために使用されlmます。プロットする他の線形モデルオブジェクトまたはラインがある場合は、勾配をプラグインして、同様に値をインターセプトします。

score 5 · Accepted Answer

この関数をブログで見つけました

 ggplotRegression <- function (fit) {

    `require(ggplot2)

    ggplot(fit$model, aes_string(x = names(fit$model)[2], y = names(fit$model)[1])) + 
      geom_point() +
      stat_smooth(method = "lm", col = "red") +
      labs(title = paste("Adj R2 = ",signif(summary(fit)$adj.r.squared, 5),
                         "Intercept =",signif(fit$coef[[1]],5 ),
                         " Slope =",signif(fit$coef[[2]], 5),
                         " P =",signif(summary(fit)$coef[2,4], 5)))
    }`

関数をロードすると、簡単にできます

ggplotRegression(fit)

あなたも行くことができますggplotregression( y ~ x + z + Q, data)

お役に立てれば。

score 2 · Accepted Answer

ロジスティックモデルを使用した用量反応曲線など、他のタイプのモデルを適合させたい場合は、より滑らかな回帰直線が必要な場合は、関数predictを使用してさらに多くのデータポイントを作成する必要があります。

適合：ロジスティック回帰曲線の適合

#Create a range of doses:
mm <- data.frame(DOSE = seq(0, max(data$DOSE), length.out = 100))
#Create a new data frame for ggplot using predict and your range of new 
#doses:
fit.ggplot=data.frame(y=predict(fit, newdata=mm),x=mm$DOSE)

ggplot(data=data,aes(x=log10(DOSE),y=log(viability)))+geom_point()+
geom_line(data=fit.ggplot,aes(x=log10(x),y=log(y)))

r - ggplotに回帰直線を追加する

5 に答える 5

Related

Reference