R:将组和单个多项式趋势线添加到GMM图

时间:2017-09-05 15:18:41

标签: r ggplot2 polynomials trendline gmm

我正在努力解决如何将个人和群体趋势线添加到我的情节中。 (R和使用ggplot2)。

以下是我正在使用的代码:

MensHG.fm2=lmer(HGNewtons~Temperature+QuadTemp+Run+(1|Subject),MenstrualData) #model

plot.hg<-data.frame(MensHG.fm2@frame,fitted.re=fitted(MensHG.fm2))

g1<-ggplot(plot.hg,aes(x=Temperature,y=HGNewtons))+geom_point()

g2<-g1+facet_wrap(~Subject, nrow=6)+ylab(bquote('HG MVF (N)'))+xlab(bquote('Hand ' ~T[sk] ~(degree*C)))

g3<-g2+geom_smooth(method="glm", formula=y~ploy(x,2), se=FALSE) #This gives me my individual trendlines

现在我想把g1部分数据(即整体趋势)的趋势线放到我的每个个人情节上 - 最好的方法是什么?如果我使用代码,我可以看到趋势:

g5=g1+geom_smooth(method="glm", formula=y~poly(x,2), se=FALSE)

enter image description here

但是这个趋势线一旦我做了小面包装就会消失(我得到与g3相同的输出)

使用以下方法似乎无法解决问题:g4&lt; -g3 + geom_smooth(data = MensHG.fm2)

1 个答案:

答案 0 :(得分:1)

如果没有数据的最小工作示例,我使用了内置的 iris 数据。为了示范,我假装 Species 是不同的主题。

library(lme4)
library(ggplot2)

fit.iris <- lmer(Sepal.Width ~ Sepal.Length + I(Sepal.Length^2) + (1|Species), data = iris)

为简单起见,我还使用了两个额外的包broomdplyr。来自augment的{​​{1}}与您在broom上执行的操作相同,但有一些额外的花里胡哨。我也使用..., fitted.re=fitted(MensHG.fm2),但这并不是严格需要的,这取决于你想要的输出(图2与图3之间的差异)。

dplyr::select
library(broom)
library(dplyr)   
augment(fit.iris)
# output here truncated for simplicity
  Sepal.Width Sepal.Length I.Sepal.Length.2. Species  .fitted       .resid   .fixed ...
1         3.5          5.1             26.01  setosa 3.501175 -0.001175181 2.756738 
2         3.0          4.9             24.01  setosa 3.371194 -0.371193601 2.626757 
3         3.2          4.7             22.09  setosa 3.230650 -0.030649983 2.486213 
4         3.1          4.6             21.16  setosa 3.156417 -0.056417409 2.411981 
5         3.6          5.0                25  setosa 3.437505  0.162495354 2.693068 
6         3.9          5.4             29.16  setosa 3.676344  0.223656271 2.931907 

请注意,我ggplot(augment(fit.iris), aes(Sepal.Length, Sepal.Width)) + geom_line(#data = augment(fit.iris) %>% select(-Species), aes(y = .fixed, color = "population"), size = 2) + geom_line(aes(y = .fitted, color = "subject", group = Species), size = 2) + geom_point() + #facet_wrap(~Species, ncol = 2) + theme(legend.position = c(0.75,0.25)) - 评论了两个语句:#data = ...。将这些行注释掉后,您将获得如下输出:

enter image description here

您可以在整个范围内平滑(facet_wrap(...)固定效果),然后您可以使用组平滑显示拟合的模型值(.fixed),同时考虑到主题 - 等级拦截。

然后,您可以通过在代码段中取出第二个.fitted - 评论标记来显示这一点:

enter image description here

这是相同的,但由于拟合值仅存在于每个主题级别面板的原始数据范围内,因此人口平滑将被截断为该范围。

为了解决这个问题,我们可以删除第一个# - 评论标记:

enter image description here