对数据子集使用geom_smooth

Question

这里有一些数据和一个图：

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)

从图中可以看出，线性回归受x=1处数值的影响很大。 我能否计算x >= 2的线性回归，但显示x=1时的值(y等于0或1)。 得到的图形除了线性回归外完全相同。它们不会“遭受”自变量=1处数值的影响。

- Remi.b

Answer 1

这就像是 geom_smooth(data=subset(data, x >= 2), ...) 一样简单。如果这个图只是给你自己看的话倒也不重要，但是要意识到，如果你没有提到回归是如何进行的，那么像这样的图会误导其他人。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)

- Matthew Plourde

---

啊，我喜欢简单的解决方案！非常感谢。还有，感谢您的建议和透明度技巧。 - Remi.b

如果我的数据集出现“美学必须是长度为1或与数据相同”的错误，我该怎么办？ - half-pass

Answer 2

常规的lm函数有一个weights参数，您可以使用它来为特定观测分配权重。通过这种方式，您可以平衡观测对结果的影响，而不是仅仅将数据进行子集划分。当然，即兴分配权重对于分析的统计学健全性并不利。最好总是有一个权重背后的理由，例如低权重观测具有更高的不确定性。

我认为在幕后，ggplot2使用lm函数，因此您应该能够传递weights参数。您可以通过美学（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')

你还可以在数据集中的一列中加入权重：

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

当列名为weight时。

- Paul Hiemstra

Answer 3

我尝试了@Matthew Plourde的解决方案，但subset对我没有用。与原始数据相比，使用子集没有改变任何内容。我将subset替换为filter，它就有效了：

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

- 1man