在 R 中处理 ANOVA 类型的研究设计时，如何绘制具有观测值的拟合模型？

Question

我正在学习如何将多级建模应用于传统的方差分析研究设计。我想使用 ggplot2 为每个处理绘制拟合回归线。我想根据我拟合的模型绘制回归线，而不是让 ggplot2 绘制，因为我想看看估计如何根据模型的变化而不同。我知道我可以自己计算系数和斜率，但由于模型相对复杂，我正在寻找更容易绘图的方法。

这是我正在处理的研究设计类型的示例代码。我发现 sjPlot 包 ( http://www.strengejacke.de/sjPlot/sjp.lm/ ) 提供了非常漂亮的图，它显示了每个测试时间的每个处理的回归线和散点图上的实际观察。这正是我想用 ggplot 做的。

 require(tidyverse)
 require(sjPlot)
 set.seed (100)
 dat <- data_frame(
    participant_id = c(c(1:15), c(1:15)),
    treatment = c(sample (letters [1:3], 15, replace = T), sample (letters [1:3], 15, replace = T)),
    test_timing = c(sample(letters [1:3], 15, replace = T),sample(letters [1:3], 15, replace = T)),
    learning_gain = (runif(30, min = 1, max = 20))
)

fit <- lm (learning_gain ~ treatment * test_timing -1, data = dat)
sjp.lm(fit, type = "pred", 
vars = c("test_timing", "treatment"),facet.grid = F)

或者，像这样：

 sjp.lm(fit, type = "pred", 
    vars = c("test_timing", "treatment"),facet.grid = T)

如果您能教我如何使用 ggplot2 包制作与此图像类似的图，我将不胜感激。谢谢！

Answer 1

事实上，sjPlot只是从ggeffects调用一个函数。ggeffects再次只返回一个带有边际效应/预测值的数据框。所以你可以使用这个数据框来构建你自己的 ggplot 对象，或者简单地使用plot()- 函数来创建一个绘图（一个 ggplot 对象）。

有一个包小插图描述了如何使用 ggplot 构建自己的图：https ://cran.r-project.org/web/packages/ggeffects/vignettes/marginaleffects.html

此外，帮助文件（请参阅https://cran.r-project.org/web/packages/ggeffects/ggeffects.pdf）充满了有关如何使用 ggplot 创建绘图的示例。也许这对你有帮助？

这是您的具体情况的示例，但请注意，您不会看到直线，因为您的变量是分类的：

require(tidyverse)
require(ggeffects)
set.seed (100)
dat <- data_frame(
  participant_id = c(c(1:15), c(1:15)),
  treatment = c(sample (letters [1:3], 15, replace = T), sample (letters [1:3], 15, replace = T)),
  test_timing = c(sample(letters [1:3], 15, replace = T),sample(letters [1:3], 15, replace = T)),
  learning_gain = (runif(30, min = 1, max = 20))
)

# fit model
fit <- lm (learning_gain ~ treatment * test_timing -1, data = dat)

# compute marginal effects
me <- ggpredict(fit, c("test_timing", "treatment"))

# see results
me

# A tibble: 9 x 5
      x predicted conf.low conf.high group
  <dbl>     <dbl>    <dbl>     <dbl> <fct>
1  1.00      9.81   -0.472      20.1 a    
2  1.00      9.29    4.15       14.4 b    
3  1.00     13.2     5.95       20.5 c    
4  2.00     14.1     8.93       19.2 a    
5  2.00     11.6     7.00       16.2 b    
6  2.00      7.23   -3.06       17.5 c    
7  3.00     13.7     7.77       19.6 a    
8  3.00     13.5     8.33       18.6 b    
9  3.00     10.9     6.66       15.1 c    

线图

# note that predictors are categorical, so no straight line
ggplot(me, aes(x = x, y = predicted, colour = group)) +
  geom_line()

点图

# plot dots
ggplot(me, aes(x = x, y = predicted, colour = group)) +
  geom_point()

带误差条的点图

# add CI, need jitter
ggplot(me, aes(x = x, y = predicted, colour = group)) +
  geom_point(position = position_dodge(.2)) +
  geom_errorbar(aes(ymin = conf.low, ymax = conf.high), width = 0, position = position_dodge(.2))

刻面

# facets
ggplot(me, aes(x = x, y = predicted, colour = group)) +
  geom_point(position = position_dodge(.2)) +
  geom_errorbar(aes(ymin = conf.low, ymax = conf.high), width = 0, position = position_dodge(.2)) +
  facet_grid(~group)

ggeffects 包中的 plot() 函数

# the simple way
plot(me)

原始观察

ggpredict() 将原始数据作为返回值的属性返回，因此您也可以绘制原始观测值：

raw <- attr(me, "rawdata")

ggplot(me, aes(x = x, y = predicted, colour = group)) +
  geom_point(position = position_dodge(.2)) +
  geom_errorbar(aes(ymin = conf.low, ymax = conf.high), width = 0, position = position_dodge(.2)) +
  # using jitter for observations here
  geom_jitter(data = raw, mapping = aes(x = x, y = response, colour = group))

或者，也是简单的方法：

plot(me, rawdata = TRUE)

另请参阅?plot.ggeffects不同的绘图选项，例如，用于jitter = FALSE消除原始数据点的抖动等...