ggplot2 geom_smooth，方法的扩展模型= lm

Question

我想使用geom_smooth从某个线性回归模型中获取拟合线。

在我看来，公式只能采用x和y而不是任何其他参数。

为了更清楚地显示我想要的东西：

library(dplyr)
library(ggplot2)
set.seed(35413)
df <- data.frame(pred = runif(100,10,100),
           factor = sample(c("A","B"), 100, replace = TRUE)) %>%
  mutate(
    outcome = 100 + 10*pred + 
    ifelse(factor=="B", 200, 0) + 
    ifelse(factor=="B", 4, 0)*pred +
    rnorm(100,0,60))

同

ggplot(df, aes(x=pred, y=outcome, color=factor)) +
  geom_point(aes(color=factor)) +
  geom_smooth(method = "lm") +
  theme_bw()

由于color=factor选项，我生成的拟合线基本上是线性模型lm(outcome ~ pred*factor, df)的输出lm(outcome ~ pred*factor, df)

但是，在某些情况下，我更喜欢将线条作为不同模型拟合的输出，例如lm(outcome ~ pred + factor, df) ，我可以使用以下内容：

fit <- lm(outcome ~ pred+factor, df)
predval <- expand.grid(
  pred = seq(
    min(df$pred), max(df$pred), length.out = 1000),
  factor = unique(df$factor)) %>%
  mutate(outcome = predict(fit, newdata = .))

ggplot(df, aes(x=pred, y=outcome, color=factor)) +
  geom_point() +
  geom_line(data = predval) +
  theme_bw()

这导致：

我的问题：有没有办法生成后一个利用geom_smooth图？ 我知道在geom_smooth有一个formula = - 选项，但是我不能做出类似于formula = y ~ x + factor或formula = y ~ x + color （我定义的color = factor ）的工作。

Answer 1

这是一个非常有趣的问题。 geom_smooth对于允许多变量的自定义模型如此“抵抗”的主要原因可能是它仅限于生成二维曲线; 因此，其参数设计用于处理二维数据（即公式=响应变量〜自变量）。

获得所需内容的技巧是使用geom_smooth的mapping参数，而不是formula 。 正如您在查看文档时看到的那样， formula只允许您指定模型的数学结构（例如线性，二次等）。 相反， mapping参数允许您直接指定新的y值 - 例如可以使用predict()调用的自定义线性模型的输出。

请注意，默认情况下， inherit.aes设置为TRUE ，因此您绘制的回归将由分类变量适当地着色。 这是代码：

# original plot
plot1 <- ggplot(df, aes(x=pred, y=outcome, color=factor)) +
  geom_point(aes(color=factor)) +
  geom_smooth(method = "lm") +
  ggtitle("outcome ~ pred") +
  theme_bw()

# declare new model here
plm <- lm(formula = outcome ~ pred + factor, data=df)

# plot with lm for outcome ~ pred + factor
plot2 <-ggplot(df, aes(x=pred, y=outcome, color=factor)) +
  geom_point(aes(color=factor)) +
  geom_smooth(method = "lm", mapping=aes(y=predict(plm,df))) +
  ggtitle("outcome ~ pred + factor") +
  theme_bw()