可視化連續預測變量與分類結果之間的關系

Question

我正在嘗試可視化連續預測變量（范圍0-0.8）和離散結果（計數變量，可能的值：0、1、2）之間的關系。

有很多選項可以在x軸上顯示離散變量，而在y軸上顯示連續變量（例如，點圖，小提琴，箱形圖等）。 這些選項顯示了連續預測變量的分布，其中每組離散變量的中心度都在其中。 但是，這不會顯示我要描述的消息。 我想顯示隨着連續變量分數的增加而使離散變量的值增加的可能性。

我嘗試使用geom_smooth進行此操作，但是由於結果是離散的，因此這似乎具有誤導性：

p <- ggplot(pheno, aes(adhdanx, polye))
p + geom_smooth(method = "lm", colour = "#007ea7", size = 0.5, fill = "#007ea7")

我在R工作。歡迎提出所有建議。

Answer 1

據我所知，對於僅具有分類預測變量的線性回歸模型，不可能存在線性擬合。 您可以繪制每個點 。 在這里，我將使用iris數據集。

library(tidyverse)
as_tibble(iris)
#> # A tibble: 150 x 5
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#>           <dbl>       <dbl>        <dbl>       <dbl> <fct>  
#>  1          5.1         3.5          1.4         0.2 setosa 
#>  2          4.9         3            1.4         0.2 setosa 
#>  3          4.7         3.2          1.3         0.2 setosa 
#>  4          4.6         3.1          1.5         0.2 setosa 
#>  5          5           3.6          1.4         0.2 setosa 
#>  6          5.4         3.9          1.7         0.4 setosa 
#>  7          4.6         3.4          1.4         0.3 setosa 
#>  8          5           3.4          1.5         0.2 setosa 
#>  9          4.4         2.9          1.4         0.2 setosa 
#> 10          4.9         3.1          1.5         0.1 setosa 
#> # ... with 140 more rows

考慮回歸問題Petal.width ~ Species 。

iris %>%
  ggplot() +
  aes(x = Species, y = Petal.Width, colour = Species) +
  geom_boxplot(show.legend = FALSE)

從此箱圖中，您可以看到各個Species中Petal.width的分布以及正相關。 對於定性預測變量，該變量將編碼為：

contrasts(iris$Species)
#>            versicolor virginica
#> setosa              0         0
#> versicolor          1         0
#> virginica           0         1

這樣模型就變成了

哪里

和

因此，每個擬合值將變為

從這些估計

lm(Petal.Width ~ Species, data = iris)
#> 
#> Call:
#> lm(formula = Petal.Width ~ Species, data = iris)
#> 
#> Coefficients:
#>       (Intercept)  Speciesversicolor   Speciesvirginica  
#>             0.246              1.080              1.780

---

如上所述，基於這些事實，可以在繪圖上繪制每個擬合值。

從lm() ：

iris %>%
  select(Species, Petal.Width) %>% # just for clarity
  mutate(pred = lm(Petal.Width ~ Species)$fitted.values) %>% # linear regression
  ggplot() +
  aes(x = Species, y = Petal.Width) +
  geom_point() +
  geom_point(aes(x = Species, y = pred), col = "red", size = 3) # fitted values

另外，請注意，每個擬合值都是樣本均值 ，

iris %>%
  select(Species, Petal.Width) %>%
  group_by(Species) %>% # for each category
  mutate(pred = mean(Petal.Width)) %>% # sample mean of response in each category
  ggplot() +
  aes(x = Species, y = Petal.Width) +
  geom_point() +
  geom_point(aes(x = Species, y = pred), col = "red", size = 3)