Regresijas vienādojuma pievienošana ggplot2 attēliem

Veidojot attēlus, kuros parādīta saistība starp diviem mainīgajiem un regresijas līkne, reizēm ir nepieciešams attēlam pievienot arī pašu regresijas vienādojumu, vai arī kādus citus parametrus, piemēram, determinācijas koeficientu vai AIC vērtību.

Tie, kas veidojuši attēlus Excel, atcerēsies cik viegli tas bija - labais peles taustiņš uz regresijas līknes un tad tikai jāieliek atzīme pie tā, vai gribat redzēt arī vienādojumu un determinācijas koeficientu.

Programmā R veidojot attēlus ar ggplot2 paketi, šādas iespējas kaut ko ieklikšķināt nav. Viens variants pašam manuāli pievienot šīs lietas ar geom_text(), pirms tam aprēķinot vajadzīgos koeficientus. Otra iespēja ir izmantot paketi ggpmisc, kurā ir ieviestas papildus funkcijas vienādojumu un papildus rādītāju pievienošanai. Vairāk informācijas un piemēru var skatīt paketes CRAN lapā.

Izmantojot funkciju stat_poly_eq(), pēc noklusējuma parādās determinācijas koeficients. Obligātie argumenti funkcijai ir formula (izmantojot apzīmējumus x un y), kā arī arguments parse = TRUE. Visus koeficientus aprēķina pati funkcija un tad izmanto apzīmējumu veidošanai.

library(ggplot2)
library(ggpmisc)

ggplot(iris,aes(Petal.Width,Petal.Length)) +
  geom_point() +
  geom_smooth(method = "lm") +
  stat_poly_eq(formula = y ~ x, parse = TRUE)

Parasto determinācijas koeficientu var aizstāt arī ar pielāgoto determinācijas koeficientu, pievienojot argumentu label = ..adj.rr.label...

ggplot(iris,aes(Petal.Width,Petal.Length)) +
  geom_point() +
  geom_smooth(method = "lm") +
  stat_poly_eq(formula = y ~ x, parse = TRUE, 
               aes(label = ..adj.rr.label..))

Tā pat var parādīt arī AIC vērtību vienādojumam.

ggplot(iris,aes(Petal.Width,Petal.Length)) +
  geom_point() +
  geom_smooth(method = "lm") +
  stat_poly_eq(formula = y ~ x, parse = TRUE, 
               aes(label = ..AIC.label..))

Pašu regresijas vienādojumu var pievienot ar argumentu label = ..eq.label...

ggplot(iris,aes(Petal.Width,Petal.Length)) +
  geom_point() +
  geom_smooth(method = "lm") +
  stat_poly_eq(formula = y ~ x, parse = TRUE, 
               aes(label = ..eq.label..))

Vienā rindā var parādīt gan vienādojumu, gan arī determinācijas koeficientu. Šajā gadījumā pie argumenta label = papildus ir jāizmanto funkcija paste().

ggplot(iris,aes(Petal.Width,Petal.Length)) +
  geom_point() +
  geom_smooth(method = "lm") +
  stat_poly_eq(formula = y ~ x, parse = TRUE,
               aes(label = paste(..eq.label.., ..rr.label..,sep = "*\",\"~~")))

Funkcijas stat_poly_eq() priekšrocība ir arī tā, ka nosakot krāsu vai aizpildījumu punktiem, līnijā, utt., regresijas vienādojumi automātiski veidojas katram no līmeņiem ar atbilstošajiem koeficientiem.

ggplot(iris,aes(Petal.Width,Petal.Length, color = Species)) +
  geom_point() +
  geom_smooth(method = "lm") +
  stat_poly_eq(formula = y ~ x, parse = TRUE,
               aes(label = paste(..eq.label.., ..rr.label..,sep = "*\",\"~~")))

Regresijas vienādojumi var būt ne tikai pirmās pakāpes, bet arī otrās, trešās, …, galvenais jānorāda atbilstošā formula gan līknei, gan arī vienādojuma funkcijai.

ggplot(iris,aes(Petal.Width,Petal.Length)) +
  geom_point() +
  geom_smooth(method = "lm", formula = y ~ x + I(x^2)) +
  stat_poly_eq(formula = y ~ x + I(x^2), parse = TRUE, 
               aes(label = ..eq.label..))