目前本人写的ggrcs包新的2.6版本已经在CRAN上线,增加了多元线性回归分析模块,现在支持逻辑回归(logistic回归)、cox回归和多元线性回归
需要的可以使用代码安装
install.packages("ggrcs")
如果原来安装了旧版本,可以通过Rstudio进行升级
这样就可以升级到最新版本了,新版本修正了一些前期的错误和增加了绘制多元线性回归分析RCS模块,以我的臭氧数据(公众号回复:臭氧数据,可以获得数据)为例子,演示一下,先导入R包和数据
library(rms)
library(ggplot2)
library(scales)
library(ggrcs)
library(foreign)
be <- read.spss("E:/r/test/ozone.sav",
use.value.labels=F, to.data.frame=T) #臭氧数据
数据中有七个变量,ozon每日臭氧水平为结局变量,Inversion base height(ibh)反转基准高度,Pressure gradient (mm Hg) 压力梯度(mm Hg),Visibility (miles) 能见度(英里),Temperature (degrees F) 温度(华氏度),Day of the year日期,vh我也不知道是什么,反正就是一参数,这里所有的变量都是连续的。
假设我们想了解温度和臭氧浓度的关系
整理数据
dd <- datadist(be)
options(datadist='dd')
建立模型
fit<-ols(ozon ~rcs(temp, 4)+dpg,data=be)
绘图
ggrcs(data=be,fit=fit,x="temp",histbinwidth=1)
假设我们想了解不同分组中,温度与臭氧浓度的关系,我们数据中没有分组变量,我自己生成一个
set.seed(1234)
be$variables2<-sample(0:1,size=330,replace=TRUE)
be$variables2<-as.factor(be$variables2)
整理数据
dd <- datadist(be)
options(datadist='dd')
建立模型
fit<-ols(ozon ~rcs(temp, 4)+dpg+variables2,data=be)
绘图
ggrcs(data=be,fit=fit,x="temp",group="variables2",histbinwidth=1)
OK,演示完毕,其他操作同前两个模型一样,我就不演示了,有兴趣的可以看我的既往文章。值得一提的是,线性回归一定要注意数据的分布,最好是正态分布,不是正态分布的最好取个对数弄成近似正态分布,不然绘制出来的图形会很怪。新版本如有BUG欢迎可以发私信给我。