Aggiunta di una linea di regressione su un ggplot

Question

Sto cercando di aggiungere una linea di regressione su un ggplot. Per prima cosa ho provato con abline ma non sono riuscito a farlo funzionare. Poi ho provato questo ...

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) 

Ma non sta funzionando neanche.

Answer 1

In generale, per fornire la propria formula si dovrebbe utilizzare argomenti x e y che corrispondono ai valori che hai fornito in ggplot() - in questo caso x verrà interpretato come x.plot e y come y.plot. Ulteriori informazioni sui metodi di livellamento e sulla formula sono disponibili nella pagina della guida della funzione stat_smooth() in quanto è la statistica predefinita utilizzata da geom_smooth().

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

Se si utilizza lo stesso valori xey che avete fornito nella chiamata ggplot() e la necessità di tracciare la linea di regressione lineare, allora non c'è bisogno di usare la formula all'interno geom_smooth(), solo forniscono il method="lm".

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

Answer 2

Come ho appena pensato, nel caso in cui si ha un modello montato sulla regressione lineare multipla, la soluzione di cui sopra non funzionerà.

È necessario creare manualmente la linea come un dataframe che contiene i valori previsti per il proprio dataframe originale (nel proprio caso data).

Sarebbe simile a questa:

# 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) 

Answer 3

Se si desidera inserire altri tipi di modelli, come una curva dose-risposta utilizzando modelli logistici voi sarebbe anche necessario creare più punti dati con la funzione di previsione se si desidera avere una linea di regressione più regolare:

fit: la vostra misura di una curva di regressione logistica

#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)))