Как построить линию регрессии по группам с помощью ggplot2

Мы можем использовать следующий синтаксис для построения линии групповой регрессии с помощью пакета визуализации R ggplot2 :

 ggplot(df, aes (x = x_variable, y = y_variable, color = group_variable)) +
  geom_point() +
  geom_smooth(method = " lm ", fill = NA )

В этом руководстве представлен краткий пример того, как использовать эту функцию на практике.

Пример: построение линий регрессии по группам с помощью ggplot2

Предположим, у нас есть следующий набор данных, который показывает следующие три переменные для 15 разных студентов:

• Количество изученных часов
• Получена оценка за экзамен
• Используемая методика исследования (A, B или C)

 #create dataset
df <- data.frame(hours=c(1, 2, 3, 3, 4, 1, 2, 2, 3, 4, 1, 2, 3, 4, 4),
                 score=c(84, 86, 85, 87, 94, 74, 76, 75, 77, 79, 65, 67, 69, 72, 80),
                 technique= rep (c(' A ', ' B ', ' C '), each = 5 ))

#view dataset
df

   hours technical score
1 1 84 A
2 2 86 A
3 3 85 A
4 3 87 A
5 4 94 A
6 1 74 B
7 2 76 B
8 2 75 B
9 3 77 B
10 4 79 B
11 1 65 C
12 2 67 C
13 3 69 C
14 4 72 C
15 4 80 C

Следующий код показывает, как построить линию регрессии, отражающую взаимосвязь между учебными часами и баллами на экзамене для каждого из трех методов обучения:

 #load ggplot2
library (ggplot2)

#create regression lines for all three groups
ggplot(df, aes (x = hours, y = score, color = technique)) +
  geom_point() +
  geom_smooth(method = " lm ", fill = NA )

Обратите внимание, что в geom_smooth() мы использовали метод = ‘lm” для указания линейного тренда.

Мы также могли бы использовать другие методы сглаживания, такие как «glm», «лёсс» или «gam», чтобы уловить нелинейные тенденции в данных. Полную документацию по geom_smooth() можно найти здесь .

Обратите внимание, что мы также могли бы использовать разные фигуры для отображения результатов экзамена для каждой из трех групп:

 ggplot(df, aes (x = hours, y = score, color = technique, shape = technique)) +
  geom_point() +
  geom_smooth(method = " lm ", fill = NA )

Дополнительные руководства по ggplot2 вы можете найти здесь .