目录 0引言1、构造回归数据2、画图2.1载入包2.2 准备数据添加散点2.3添加回归线2.5 添加公式R方2.6 添加方差分析表2.6 回归数据调整 3、总结
0引言
在数据可视化——一文入门ggplot2中介绍了ggplot2包以及他的基本语法。在R语言可视化——ggplot2包的八种默认主题及其扩展包中介绍ggplot2包中默认的八种主题。今天实战一下，使用ggplot2包画回归曲线添加回归方程、方差分析表，调整的 R 2 R^2 R2、调整回归数据等，本篇使用默认主题。
1、构造回归数据画图离不开数据，下面使用生成随机数的方式生成数据，为了代码的可重复性设置随机数种子。
> n = 100> set.seed(0)> x <- runif(n, 0, 4)> y <- x^2 - x + rnorm(n, 0, 0.4)> MyClass <- factor((x>0) + (x>1) + (x>2) + (x>3),+ labels = c("0-1", "1-2", "2-3", "3-4"))> Data <- data.frame(x = x, y = y, class = MyClass)> head(Data) x y class1 3.5867888 9.38472004 3-42 1.0620347 -0.08479814 1-23 1.4884956 1.70366940 1-24 2.2914135 2.64102651 2-35 3.6328312 9.54268009 3-46 0.8067277 -0.05586157 0-1> str(Data)'data.frame': 100 obs. of 3 variables: $ x : num 3.59 1.06 1.49 2.29 3.63 ... $ y : num 9.3847 -0.0848 1.7037 2.641 9.5427 ... $ class: Factor w/ 4 levels "0-1","1-2","2-3",..: 4 2 2 3 4 1 4 4 3 3 ...> class(Data)[1] "data.frame"下部分使用本节的数据进行画图。
2、画图 2.1载入包除了载入ggplot2包之外还需要载入扩展包：ggpmisc。
library(ggplot2) #加载ggplot2包library(ggpmisc) #加载ggpmisc包 2.2 准备数据添加散点 p <- ggplot(Data, aes(x, y)) + geom_point(color = "green",size = 2, alpha = 0.65)p 2.3添加回归线se参数控制是否显示误差区域。
p + stat_smooth(color = "blue", formula = y ~ x, fill = "blue", method = "lm")+ stat_fit_deviations(formula = y ~ x, color = "skyblue") 2.5 添加公式R方注：label.x 、 label.y调整公式位置。
p + stat_smooth(color = "blue", formula = y ~ x,fill = "blue", method = "lm") + stat_poly_eq( aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~~~')), formula = y ~ x, parse = TRUE, size = 4, # 公式字体大小 label.x = 0.1, label.y = 0.8) 2.6 添加方差分析表 p + stat_smooth(color = "blue", formula = y ~ x,fill = "blue", method = "glm") + stat_poly_eq( aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~~~')), formula = y ~ x, parse = TRUE, size = 4, #公式字体大小 label.x = 0.1, label.y = 0.8) + stat_fit_tb(method = "lm", method.args = list(formula = y ~ x), tb.type = "fit.anova", tb.vars = c(Effect = "term", "自由度" = "df", "均方" = "meansq", "italic(F值)" = "statistic", "italic(P值)" = "p.value"), label.y = 0.7, label.x = 0.05, size = 4.5, parse = TRUE) 2.6 回归数据调整模型的参数形式可以通过I函数去调整，如下把一次数据换成二次的数据。
p + stat_smooth(color = "blue", formula = y ~ I(x^2),fill = "blue", method = "glm") + stat_poly_eq( aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~~~')), formula = y ~ I(x^2), parse = TRUE, size = 4, #公式字体大小 label.x = 0.1, label.y = 0.8) + stat_fit_tb(method = "lm", method.args = list(formula = y ~ I(x^2)), tb.type = "fit.anova", tb.vars = c(Effect = "term", "自由度" = "df", "均方" = "meansq", "italic(F值)" = "statistic", "italic(P值)" = "p.value"), label.y = 0.7, label.x = 0.05, size = 4.5, parse = TRUE)
上面可以看出 R 2 R^2 R2和回归的效果变得更好了。
上面的函数局限是只能展示一元回归的信息，多元回归的展示方式下次推出。关注持续关注。