使用ggplot2和facet_wrap绘制估计值而无需重新拟合模型

JustGettin开始

我还很陌生，ggplot2并希望生成一个具有多个散点图的图，并分别给出其回归估计值。但是，我使用的非标准回归方法（例如分位数回归和总回归）不在method可用的参数列表之列geom_smooth()。我有一个拟合模型和相应数据的列表。下面是一个工作示例。

require(data.table); require(ggplot2)
N <- 1000 # Generate some data
DT <- NULL
models <- list() # list of of fitted models. For simplicity i am using lm in this example
for(i in 1:8){
  x <- rnorm(N)
  y <- i*x + rnorm(N)
  z <- rep(i,N)
  DT <- rbind(DT,data.table(cbind(x=x,y=y,z=z)))
  models[[i]] <- lm(y~x,DT)
}

# Traditional way to plot the data with regression estimates is to use geom_smooth
my.plot <- ggplot(DT, aes(x=x, y=y)) + geom_point() + 
  facet_wrap(~ z, nrow=2, ncol=4) + 
  geom_smooth(method = "lm", se=FALSE, color="red", formula = y ~ x)
my.plot

我需要一种在不拟合回归模型的情况下绘制红色回归估计值的方法geom_smooth。是否有解决方法可以使我的单独清单与Models兼容facet_wrap？

弗里克先生

由于尚不清楚如何将美观度映射到模型中使用的变量，因此需要自己计算线的值，然后将其添加为标准geom_line层而不是使用geom_smooth。例如

lines <- purrr::map_dfr(models, function(m) {
  xrng <- range(m$model$x)
  data.frame(x=xrng, y=predict(m, data.frame(x=xrng)))
}, .id="z")

ggplot(DT, aes(x=x, y=y)) + geom_point() + 
  facet_wrap(~ z, nrow=2, ncol=4) + 
  geom_line(color="red", data=lines)

请注意，此处的斜率看起来有些“偏离”，但这与您实际建模的模型匹配（您DT每次都使用了整个模型）。如果要在每次迭代中分别估算斜率，则循环看起来应该更像

for(i in 1:8){
  x <- rnorm(N)
  y <- i*x + rnorm(N)
  z <- rep(i,N)
  chunk <- data.table(x=x,y=y,z=z)
  models[[i]] <- lm(y~x,chunk)
  DT <- rbind(DT, chunk)
}

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。