geom_smooth自定义线性模型

Question

在查看this问题时，我无法为geom_smooth指定自定义线性模型。我的代码如下：

example.label <- c("A","A","A","A","A","B","B","B","B","B")
example.value <- c(5, 4, 4, 5, 3, 8, 9, 11, 10, 9)
example.age <- c(30, 40, 50, 60, 70, 30, 40, 50, 60, 70)
example.score <- c(90,95,89,91,85,83,88,94,83,90)
example.data <- data.frame(example.label, example.value,example.age,example.score)

p = ggplot(example.data, aes(x=example.age,
                         y=example.value,color=example.label)) +
  geom_point()
  #geom_smooth(method = lm)

cf = function(dt){
  lm(example.value ~example.age+example.score, data = dt)
}

cf(example.data)

p_smooth <- by(example.data, example.data$example.label, 
               function(x) geom_smooth(data=x, method = lm, formula = cf(x)))

p + p_smooth 

我收到此错误/警告：

Warning messages:
1: Computation failed in `stat_smooth()`:
object 'weight' not found 
2: Computation failed in `stat_smooth()`:
object 'weight' not found 

为什么我会这样？向geom_smooth指定自定义模型的正确方法是什么？感谢。

Answer 1

具有两个连续预测变量和连续结果的回归模型的回归函数存在于3D空间中（两个用于预测变量，一个用于结果），而ggplot图是一个2D空间（一个连续预测变量） x轴和y轴上的结果）。这就是为什么你不能用geom_smooth绘制两个连续预测变量函数的根本原因。

一个＆＃34;解决方法＆＃34;是选择一个连续预测变量的一些特定值，然后为第一个变量的每个选定值在x轴上绘制另一个连续预测变量的线。

以下是mtcars数据框的示例。下面的回归模型使用mpg和wt预测hp。然后，我们针对mpg的各种值绘制wt与hp的预测。我们创建一个预测数据框，然后使用geom_line进行绘图。图表中的每一行代表mpg与wt的不同值hp的回归预测。当然，您也可以颠倒wt和hp的角色。

library(ggplot)
theme_set(theme_classic())

d = mtcars
m2 = lm(mpg ~ wt + hp, data=d)

pred.data = expand.grid(wt = seq(min(d$wt), max(d$wt), length=20),
                        hp = quantile(d$hp))
pred.data$mpg = predict(m2, newdata=pred.data)

ggplot(pred.data, aes(wt, mpg, colour=factor(hp))) +
  geom_line() +
  labs(colour="HP Quantiles")

另一种选择是使用颜色渐变来表示mpg（结果）并在x和y轴上绘制wt和hp：

pred.data = expand.grid(wt = seq(min(d$wt), max(d$wt), length=100),
                        hp = seq(min(d$hp), max(d$hp), length=100))
pred.data$mpg = predict(m2, newdata=pred.data)

ggplot(pred.data, aes(wt, hp, z=mpg, fill=mpg)) +
  geom_tile() +
  scale_fill_gradient2(low="red", mid="yellow", high="blue", midpoint=median(pred.data$mpg))