如何在多级分析中用不同的颜色显示不同的级别答案

【问题标题】：How to display different levels in a multilevel analysis with different colors如何在多级分析中用不同的颜色显示不同的级别
【发布时间】：2017-04-29 20:25:12
【问题描述】：

我是多级分析的初学者，并尝试了解如何使用base-R 的绘图函数绘制图表。我了解下面fit 的输出，但我正在为可视化而苦苦挣扎。 df只是一些简单的测试数据：

t <- seq(0, 10, 1)
df <- data.frame(t = t,
                 y = 1.5+0.5*(-1)^t + (1.5+0.5*(-1)^t) * t,
                 p1 = as.factor(rep(c("p1", "p2"), 10)[1:11]))

fit <- lm(y ~ t * p1, data = df)

# I am looking for an automated version of that:
plot(df$t, df$y)
lines(df$t[df$p1 == "p1"], 
      fit$coefficients[1] + fit$coefficients[2] * df$t[df$p1 == "p1"], col = "blue")
lines(df$t[df$p1 == "p2"], 
      fit$coefficients[1] + fit$coefficients[2] * df$t[df$p1 == "p2"] + 
        + fit$coefficients[3] + fit$coefficients[4] * df$t[df$p1 == "p2"], col = "red")

它应该知道它必须包含p1 并且有两行。
结果应如下所示：

编辑：Predict est <- predict(fit, newx = t) 给出与 fit 相同的结果，但我仍然不知道“如何聚类”。

编辑 2 @Keith：公式 y ~ t * p1 读取为 y = (a + c * p1) + (b + d * p1) * t。对于“第一条蓝线”c, d 都是零。

【问题讨论】：

t 和 y 总是一样吗？你会一直有一个单因素列吗？
获得拟合值的更好方法是通过predict()。以newdata 的形式传递一个data.frame，以供预测和惊讶。
@KeithHughitt 不，我真正的问题会复杂得多，请看here 的简化示例。这个问题的主要目的实际上是“如何获得具有正确线数的图形”。即使在这种简单的情况下（p1 只有 2 个级别！）我失败了；-)
@RomanLuštrik 查看我的编辑。我知道predict（虽然我不明白为什么它比lm 好），但这里的问题是如何获得“正确的行数”。另请参阅上面的评论。这可能是一个愚蠢的问题，但我想不通。
什么是“集群”？没有像newx 这样的论点。我不明白这里的行数有什么问题？行数应该与p1 中的因子级别一样多，对吗？

标签： r plot lm

【解决方案1】：

我会这样做。我还包括了ggplot2 版本的情节，因为我发现它更适合我思考情节的方式。此版本将考虑p1 中的级别数。如果您想补偿模型参数的数量，您只需调整构造 xy 的方式以包含所有相关变量。我应该指出，如果您省略 newdata 参数，则会对提供给 lm 的数据集进行拟合。

t <- seq(0, 10, 1)
df <- data.frame(t = t,
                 y = 1.5+0.5*(-1)^t + (1.5+0.5*(-1)^t) * t,
                 p1 = as.factor(rep(c("p1", "p2"), 10)[1:11]))

fit <- lm(y ~ t * p1, data = df)

xy <- data.frame(t = t, p1 = rep(levels(df$p1), each = length(t)))
xy$fitted <- predict(fit, newdata = xy)

library(RColorBrewer) # for colors, you can define your own
cols <- brewer.pal(n = length(levels(df$p1)), name = "Set1") # feel free to ignore the warning

plot(x = df$t, y = df$y)
for (i in 1:length(levels(xy$p1))) {
  tmp <- xy[xy$p1 == levels(xy$p1)[i], ]
  lines(x = tmp$t, y = tmp$fitted, col = cols[i])
}

library(ggplot2)
ggplot(xy, aes(x = t, y = fitted, color = p1)) +
  theme_bw() +
  geom_point(data = df, aes(x = t, y = y)) +
  geom_line()

【讨论】：