使用 ggplot2 绘制已经存在的线性模型

Question

假设我有一些数据，并且我创建了一个线性模型来拟合数据。然后我使用 ggplot2 绘制数据，我想将线性模型添加到图中。据我所知，这是标准的做法（使用内置的cars 数据集）：

library(ggplot2)
fit <- lm(dist ~ speed, data = cars)
summary(fit)
p <- ggplot(cars, aes(speed, dist))
p <- p + geom_point()
p <- p + geom_smooth(method='lm')
p

但是，上述内容违反了 DRY 原则（“不要重复自己”）：它涉及在对 lm 的调用中创建线性模型，然后在对 geom_smooth 的调用中重新创建它。这对我来说似乎很不雅，而且它还为错误引入了空间。例如，如果我更改了使用lm 创建的模型，但忘记更改使用geom_smooth 创建的模型，那么摘要和绘图将不是同一模型。

有没有办法使用 ggplot2 来绘制 已经存在的线性模型，例如通过将lm 对象本身 传递给geom_smooth 函数？

Answer 1

需要做的是创建一个新的数据框，其中包含旧数据框的观察结果加上模型的预测值，然后使用 ggplot2 绘制该数据框。

library(ggplot2)

# create and summarise model
cars.model <- lm(dist ~ speed, data = cars)
summary(cars.model) 

# add 'fit', 'lwr', and 'upr' columns to dataframe (generated by predict)
cars.predict <- cbind(cars, predict(cars.model, interval = 'confidence'))

# plot the points (actual observations), regression line, and confidence interval
p <- ggplot(cars.predict, aes(speed,dist))
p <- p + geom_point()
p <- p + geom_line(aes(speed, fit))
p <- p + geom_ribbon(aes(ymin=lwr,ymax=upr), alpha=0.3)
p

这样做的最大好处是，如果更改模型（例如cars.model <- lm(dist ~ poly(speed, 2), data = cars)），那么情节和摘要都会改变。

感谢 Plamen Petrov 让我意识到这里需要什么。正如他所指出的，这种方法只有在为相关模型定义了predict 时才有效；如果不是，则必须自己定义。

Answer 2

我相信你想做一些类似的事情：

library(ggplot2)

# install.packages('dplyr')
library(dplyr)

fit <- lm(dist ~ speed, data = cars)

cars %>%
  mutate( my_model = predict(fit) ) %>%
  ggplot() +
  geom_point( aes(speed, dist) ) +
  geom_line( aes(speed, my_model)  )

只要定义了相应的预测方法，这也适用于更复杂的模型。否则你需要自己定义。

在线性模型的情况下，您可以通过稍微多一点的工作添加置信度/预测带并重现您的情节。