对数据子集进行geom_smooth

Question

这是一些数据和情节:

set.seed(18)
data = data.frame(y=c(rep(0:1,3),rnorm(18,mean=0.5,sd=0.1)),colour=rep(1:2,12),x=rep(1:4,each=6))

ggplot(data,aes(x=x,y=y,colour=factor(colour)))+geom_point()+ geom_smooth(method='lm',formula=y~x,se=F)

如您所见,线性回归受x = 1的值的影响很大.我可以获得针对x> = 2计算的线性回归,但显示x = 1的值(y等于0或1).除线性回归外,结果图将完全相同.他们不会"受"这些值对abscisse = 1的影响

Answer 1

这很简单geom_smooth(data=subset(data, x >= 2), ...).如果这个情节仅适合你自己,并不是很重要,但如果你不提及回归的执行方式,那么就会意识到这样的事情会误导别人.我建议改变被排除点的透明度.

ggplot(data,aes(x=x,y=y,colour=factor(colour)))+
geom_point(data=subset(data, x >= 2)) + geom_point(data=subset(data, x < 2), alpha=.2) +
geom_smooth(data=subset(data, x >= 2), method='lm',formula=y~x,se=F)

Answer 2

常规lm函数有一个weights参数,您可以使用该参数为特定观察指定权重.通过这种方式,您可以了解观察对结果的影响.我认为这是处理问题而不是数据子集的一般方法.当然,分配权重ad hoc对于分析的统计稳健性来说并不是好兆头.最好在权重背后有一个基本原理,例如低权重观测具有更高的不确定性.

我认为幕后ggplot2使用该lm功能,所以你应该能够传递weights参数.您可以通过aesthetic(aes)添加权重,假设权重存储在向量中:

ggplot(data,aes(x=x,y=y,colour=factor(colour))) + 
    geom_point()+ stat_smooth(aes(weight = runif(nrow(data))), method='lm')

您还可以将权重放在数据集的列中:

ggplot(data,aes(x=x,y=y,colour=factor(colour))) + 
    geom_point()+ stat_smooth(aes(weight = weight), method='lm')

调用列的位置weight.