本文首发于“生信补给站”，https://mp.weixin.qq.com/s/_rTWJHcbUu2Eqtex74gUBA
散点图绘制回归曲线很常用，那么添加上回归方程，P值，R2或者方差结果表等可以展示更量化的信息。
那加起来复杂吗？还真不一定！
一 载入数据和R包使用内置数据集
library(ggplot2) #加载ggplot2包library(dplyr) #加载dplyr包library(ggpmisc) #加载ggpmisc包#展示 使用Species为setosa的亚集iris2 <- subset(iris,Species == "setosa") 二 回归曲线的可能性 1， 绘制点图，添加回归线 #散点图p <- ggplot(iris2, aes(Sepal.Length, Sepal.Width)) + geom_point(color = "grey50",size = 3, alpha = 0.6)#回归线#添加回归曲线p + stat_smooth(color = "skyblue", fill = "skyblue", method = "lm") 2， 连接点到线 p + stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm")+ stat_fit_deviations(formula = y ~ x, color = "skyblue") 3，添加回归公式stat_poly_eq参数添加公式，内含参数可调整位置等
p + stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") + stat_poly_eq( aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')), formula = y ~ x, parse = TRUE, size = 5, #公式字体大小 label.x = 0.1, #位置 ，0-1之间的比例 label.y = 0.95) 4， 添加方差结果表 p + ylim(2,5) + stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") + stat_poly_eq( aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')), formula = y ~ x, parse = TRUE,size = 3,label.x = 0.1, label.y = 0.99) + stat_fit_tb(tb.type = 'fit.anova',label.y.npc = "top", label.x.npc = "left", )注：此处仅为展示 ，label.y.npc 为另一种调整位置的方式 ，用label.y可完全避免重叠
如担心方差表和公示与图重叠，可以通过ggplot2 的 ylim和xlim适当调整，然后调整位置即可。
5，细节优化方差表上述方差表中的行名，列名，以及NA，，，稍加调整后，看起来更**“专业”**！
p + ylim(2,5) + stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") + stat_poly_eq( aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')), formula = y ~ x, parse = TRUE,size = 4,label.x = 0.1, label.y = 0.95) + stat_fit_tb(method = "lm", method.args = list(formula = y ~ x), tb.type = "fit.anova", tb.vars = c(Effect = "term", "df", "M.S." = "meansq", "italic(F)" = "statistic", "italic(P)" = "p.value"), label.y = 0.87, label.x = 0.1, size = 4, parse = TRUE )+theme_classic() 其他：既然是ggplot2的扩展包，ggplot2的一些参数亦可使用：ggplot2|详解八大基本绘图要素
ggplot2|theme主题设置，详解绘图优化-“精雕细琢”
ggplot2 |legend参数设置，图形精雕细琢
ggplot2|ggpubr进行“paper”组图合并
参考资料：https://github.com/cran/ggpmisc
PS：有个交流的讨论组，公众号后台回复”入群“，欢迎交流。
◆ ◆ ◆ ◆ ◆
精心整理（含图版）|R语言生信分析，可视化，你要的全拿走，建议收藏！