Question

我所拥有的是3级重复测量因子和连续变量（心理问卷中的得分，仅在实验前测量，NEO），其在具有因变量的线性混合效应模型中显示出显着的相互作用（ DV;在每个时间级别测量的状态分数，IAS）。

为了了解这种相互作用的本质，我想创建一个在X轴上的时间水平，在Y轴上的状态分数和连续变量的多条曲线的图，类似于this。连续变量应该分类，比如四分位数（所以我得到4条不同的曲线），这正是我无法实现的。到目前为止，我为连续变量中的每个值得到一条单独的曲线。

我的目标也与this相当，但我需要将分类（时间）变量作为单独的曲线而不是X轴。

我在R中尝试了很多不同的情节功能但是没有设法得到我想要的东西，也许是因为我不太熟练地处理R。

F。即

gplot(Data_long, aes(x = time, y = IAS, colour = NEO, group = NEO)) + 
  geom_line()

从第一个链接显示了几十条曲线（测量NEO中每个值一条曲线），我找不到如何在gplot函数中以有意义的方式对连续变量进行分组。

编辑：

原始数据：

http://www.pastebin.ca/2598926

（我希望它不会太不方便。）

使用以下行创建/转换此对象（Data_long）：

Data_long <- transform(Data_long0, neo.binned=cut(NEO,c(25,38,46,55,73),labels=c(".25",".50",".75","1.00")))

neo.binned列中的每个值似乎都设置正确，每个分位数都有足够的个案。

然后我尝试了什么并且没有工作：

ggplot(Data_long, aes(x = time, y = ias, color = neo.binned)) + stat_summary(fun.y="median",geom="line")

geom_path：每组只包含一个观察。你需要调整组＆gt;审美吗？

我得到了92个科目，其中NEO在26-73之间。有什么提示输入切割和标签功能？分位数为0％25％50％75％100％26 38 46 55 73。

Answer 1

你是说这样的意思吗？在这里，您的数据根据NEO分为三类，然后绘制IAS在这些分档上的中位数。查看?cut。

Data_long <- transform(Data_long, neo.binned=cut(NEO,c(0,3,7,10),labels=c("lo","med","hi")))

将所有内容绘制在一个图中。

ggplot(Data_long, aes(x = time, y = IAS, color = neo.binned)) 
  + stat_summary(aes(group=neo.binned),fun.y="median",geom="line")

enter image description here 从CMichael的回答中窃取你可以在多个方面做到这一切（不知怎的，你在你的问题中与刻面图有关）：

ggplot(Data_long,aes(x=time,y=IAS)) 
  + stat_summary(fun.y="median",geom="line") 
  + facet_grid(neo.binned ~ .)

enter image description here

Answer 2

你的意思是面对@ziggystar的初始情节吗？

quantiles = quantile(Data_long$NEO,c(0.25,0.5,0.75))

Data_long$NEOQuantile = ifelse(Data_long$NEO<=quantiles[1],"first NEO Quantile",
                               ifelse(Data_long$NEO<=quantiles[2],
                                      "second NEO Quantile",
                                      ifelse(Data_long$NEO<=quantiles[3],
                                             "third NEO Quantile","forth NEO Quantile")))

require(ggplot2)
p = ggplot(Data_long,aes(x=time,y=IAS)) + stat_quantile(quantiles=c(1),formula=y ~ x)
p = p + facet_grid(.~NEOQuantile)
p

enter image description here

R：在DV上绘制分类因子和连续变量之间的交互

2 个答案: