用dplyr、broom和ggplot注释分组线性模型

Question

我开始深入研究扫帚，以便在dplyr/ggplot中可视化简单的统计分析。我想出了如何通过分组来获得线性模型，以便很好地工作，并通过捆绑在扫帚：：增强中使用。

我有三个问题：

用什么优雅的方式将每组的fits (r平方、截取、vals)的汇总信息与原始数据联系起来(在这种情况下，组中的所有值都是identical)?

• How，可以用一个单独的值来显示r平方和可能的曲线拟合)来注释每个组的回归线吗？特别是，如何使对齐/颜色正确，以便清楚哪条文本注释与哪条回归线一致？

• 在我根据一些较老的答案进行分组分析之后，我了解到do现在已经被across()取代了，但是我很难弄清楚如何用across()重写do(fit_carb = augment(lm(drat ~ mpg, data = .)))

#// library and data prep
library(tidyverse)
library(broom)

data <- mtcars
data$carb <- as.factor(data$carb)

#// generate scatter plot
plot <- 
     ggplot() + 
     geom_point(data = data, aes(x = mpg, y = drat, color = carb)) 

#// use lm function to generate linear regression model
fit <- lm(formula = drat ~ mpg, data = data)

#// tie results back into dataframe
lm_data <- augment(fit)

#// add fitted points and line
plot +    
     ggtitle("scatter plot with fitted points and line") + 
     #// add geom_point and geom_line with lm_data
     geom_point(data = lm_data, aes(x = mpg, y = .fitted), color = "red") +
     geom_line(data = lm_data, aes(x = mpg, y = .fitted), color = "red")


#// linear model by group

lm_data <- data %>%
     #// group by factor
     group_by(carb) %>%
     #// `.` notation means that object gets piped into that place
     do(fit_carb = augment(lm(drat ~ mpg, data = .))) %>% 
     #// unnest table by the augment results
     unnest(fit_carb)

#// add fitted points and line grouped by carb
plot +    
     ggtitle("scatter plot with fitted points and line") + 
     #// add geom_point and geom_line with lm_data
     geom_point(data = lm_data, aes(x = mpg, y = .fitted, group = carb), color = "red") +
     geom_line(data = lm_data, aes(x = mpg, y = .fitted, group = carb, color = carb))

​

​

​

​

Answer 1

您可以省略do dplyr动词，只需选择mutate或summarise。根据您的图表，您不喜欢broom::glance吗？

data %>%
  group_by(carb) %>%
  mutate(glance(lm(mpg ~ drat))) %>%
  dplyr::select(mpg:carb,adj.r.squared,p.value)
## A tibble: 32 x 13
## Groups:   carb [6]
#     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear carb  adj.r.squared p.value
#   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct>         <dbl>   <dbl>
# 1  21       6  160    110  3.9   2.62  16.5     0     1     4 4             0.539 0.00943
# 2  21       6  160    110  3.9   2.88  17.0     0     1     4 4             0.539 0.00943
# 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4 1             0.643 0.0185 
# 4  21.4     6  258    110  3.08  3.22  19.4     1     0     3 1             0.643 0.0185 
# ...

至于作图，我知道这不是你真正期望的，但如果你的主要目的是图表，在我看来，最简单的方法是利用ggpubr::stat_regline_equation。

library(ggpubr)
ggplot(data = data, aes(x = mpg, y = drat, color = carb)) + 
  ggtitle("Scatter plot with fitted points and line") + 
  geom_point() + 
  geom_smooth(method = "lm", se = FALSE) +
  stat_regline_equation(label.x = with(data,tapply(mpg,carb,quantile,.6)),
                        label.y = with(data,tapply(drat,carb,max) - 0.2),
                        aes(label = ..adj.rr.label..),
                        show.legend = FALSE) 

​

​

您可以使用geom_smooth的附加参数来调整回归。如果你需要方程，你可以做一些像label = paste(..eq.label.., ..adj.rr.label.., sep = "~~~")这样的事情

对于简单的情况，手动指定label.x和label.y通常更容易，但对于更复杂的情况，可以使用基R tapply动态计算位置。position =为stat_regline_equation提供了一个论据，但我从未让它起作用。