qplot函数添加回归曲线R方方差分析表

0引言

之前在文章R语言可视化——ggplot2画回归曲线¹中介绍过使用ggplot2中ggplot函数去添加回归曲线的R方方差分析表等。但是ggplot的语法比较复杂相对，里面由一个快速上手的函数qplot函数。今天就做一个qplot函数的添加回归曲线R方和方差分析表的例子。
注：添加R方和方差分析都是来源于ggpmisc，而非ggplot2。

1、载入所需包

library(ggplot2) # 加载底层包
library(ggpmisc) #加载ggpmisc包

2、构造数据

数据仍然用文献¹中的数据构造方法。

n = 100
set.seed(1)
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 class
1 1.0620347  0.2251253   1-2
2 1.4884956  0.4823130   1-2
3 2.2914135  3.0956100   2-3
4 3.6328312  9.1128858   3-4
5 0.8067277  0.4172914   0-1
6 3.5935587 10.1122656   3-4

3、qplot函数底层的回归线数据

p = qplot(x, y, data=Data, geom= c("point","smooth"),
 method= "glm", family= binomial) +theme_bw()
p

4、ggpmisc添加回归信息

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
)

5、总结

以上仅为参考，如由问题欢迎留言讨论。

参考文献

---

1. https://blog.csdn.net/weixin_46111814/article/details/105650257 ↩︎ ↩︎