ggplot2: fügen Sie die p-Werte der Parzelle

Ich habe dieses Grundstück

ggplot2: fügen Sie die p-Werte der Parzelle

Den code unten 

library(dplyr) 
library(ggplot2)
library(ggpmisc)

df <- diamonds %>%
  dplyr::filter(cut%in%c("Fair","Ideal")) %>%
  dplyr::filter(clarity%in%c("I1" ,  "SI2" , "SI1" , "VS2" , "VS1",  "VVS2")) %>%
  dplyr::mutate(new_price = ifelse(cut == "Fair", 
                                   price* 0.5, 
                                   price * 1.1))

formula <- y ~ x    
ggplot(df, aes(x= new_price, y= carat, color = cut)) +
  geom_point(alpha = 0.3) +
  facet_wrap(~clarity, scales = "free_y") +
  geom_smooth(method = "lm", formula = formula, se = F) +
  stat_poly_eq(aes(label = paste(..rr.label..)), 
               label.x.npc = "right", label.y.npc = 0.15,
               formula = formula, parse = TRUE, size = 3)

Zusätzlich zu R2, möchte ich hinzufügen, dass die p-Werte der Facetten, als auch. Ich kann dies manuell durch ausführen der regression zuerst, dann immer p-Werte und mit geom_text() hinzufügen diese p-Werte ähnlich wie die Antwort auf diese Frage.

Ist es schneller oder automatisierte Möglichkeit, das zu tun? z.B., ähnlich wie der R2-Werte wurden Hinzugefügt.

Update

Den p-Wert, den ich spreche, ist die Steigung p-Wert. Die trends werden als statistisch hoch signifikant, wenn p < 0.005.

InformationsquelleAutor aelwan | 2016-05-31
  1. 16

    Verwenden stat_fit_glance die Teil der ggpmisc Paket in R. Dieses Paket ist eine Erweiterung des ggplot2 so dass es funktioniert gut mit ihm. 

    ggplot(df, aes(x= new_price, y= carat, color = cut)) +
       geom_point(alpha = 0.3) +
       facet_wrap(~clarity, scales = "free_y") +
       geom_smooth(method = "lm", formula = formula, se = F) +
       stat_poly_eq(aes(label = paste(..rr.label..)), 
       label.x.npc = "right", label.y.npc = 0.15,
       formula = formula, parse = TRUE, size = 3)+
       stat_fit_glance(method = 'lm',
                       method.args = list(formula = formula),
                       geom = 'text',
                       aes(label = paste("P-value = ", signif(..p.value.., digits = 4), sep = "")),
       label.x.npc = 'right', label.y.npc = 0.35, size = 3)

    stat_fit_glance im Grunde dauert alles Durchlaufen lm() in R und ermöglicht es, bearbeitet und gedruckt mit ggplot2. Der user-guide hat die überblick über einige der Funktionen, wie stat_fit_glance: https://cran.r-project.org/web/packages/ggpmisc/vignettes/user-guide.html. Auch ich glaube, das gibt Modell p-Wert, keine Steigung p-Wert (im Allgemeinen), was wäre anders für die multiple lineare regression. Für die einfache lineare regression, die Sie sollten die gleichen sein, obwohl.

    Hier ist der plot:

    ggplot2: fügen Sie die p-Werte der Parzelle

    • Vielen Dank für Ihre Zeit und Hilfe. In meiner Analyse -, Hang-p-Wert unterscheidet sich von Modell p-Wert.
    • Zur info es ist ein Tippfehler in den Namen des Pakets. Es sollte ggpmisc, nicht ggmisc. Prost 🙂
    InformationsquelleAutor akash87
Schreibe einen Kommentar