ggplotに回帰直線を追加する

ggplotに回帰直線を追加しようとしています。最初はアブラインで試しましたが、うまくいきませんでした。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。

一般的に、独自の数式を提供するには、引数xを使用する必要があります。これは、指定yした値に対応します。ggplot()この場合x、x.plotおよびyとして解釈されy.plotます。平滑化の方法と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。stat_smooth()これは、によって使用されるデフォルトの統計ですgeom_smooth()。

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

ggplot()呼び出しで指定したものと同じx値とy値を使用していて、線形回帰直線をプロットする必要がある場合は、内部geom_smooth()で数式を使用する必要はありませんmethod="lm"。

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

先ほど説明したように、モデルが複数の線形回帰に適合している場合、上記の解決策は機能しません。

元のデータフレーム（この場合data）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。

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)

を使用した明白な解決策geom_abline：

geom_abline(slope = data.lm$coefficients[2], intercept = data.lm$coefficients[1])

オブジェクトdata.lmはどこにあり、次のようlmになりdata.lm$coefficientsます：

data.lm$coefficients
(Intercept)    DepDelay 
  -2.006045    1.025109 

実際には、を使用stat_functionして回帰直線をxの関数としてプロットしますpredict。

stat_function(fun = function(x) predict(data.lm, newdata = data.frame(DepDelay=x)))

デフォルトではn=101ポイントが計算されるため、これは少し効率的ではありませんが、predict非線形などのをサポートする任意のモデルの予測曲線をプロットするため、はるかに柔軟ですnpregパッケージnpからのです。

注：を使用しscale_x_continuousたり、scale_y_continuous一部の値が切り捨てられたりして、geom_smooth正しく動作しない場合があります。代わりにズームに使用coord_cartesianします。

この機能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)))
    }`

関数をロードしたら、簡単に

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。

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

フィット：ロジスティック回帰曲線のフィット

#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)))