R-ggpmisc|回归曲线添加回归方程，R2，方差表，香不香？

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 R包

使用内置数据集

代码语言：javascript复制

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")head(iris2)  Sepal.Length Sepal.Width Petal.Length Petal.Width Species1          5.1         3.5          1.4         0.2  setosa2          4.9         3.0          1.4         0.2  setosa3          4.7         3.2          1.3         0.2  setosa4          4.6         3.1          1.5         0.2  setosa5          5.0         3.6          1.4         0.2  setosa6          5.4         3.9          1.7         0.4  setosa

二回归曲线的可能性

1，绘制点图，添加回归线

代码语言：javascript复制

#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

代码语言：javascript复制

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

代码语言：javascript复制

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

代码语言：javascript复制

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”！

代码语言：javascript复制

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
  )