R-ggpmisc|回归曲线添加回归方程，R2，方差表，香不香？

本文首发于“生信补给站”，https://mp.weixin.qq.com/s/_rTWJHcbUu2Eqtex74gUBA

散点图绘制回归曲线很常用，那么添加上回归方程，P值，R2或者方差结果表等可以展示更量化的信息。

那加起来复杂吗？还真不一定！

一载入数据和R包

使用内置数据集

library(ggplot2) #加载ggplot2包
library(dplyr) #加载dplyr包
library(ggpmisc) #加载ggpmisc包
#展示 使用Species为setosa的亚集
iris2 <- subset(iris,Species == "setosa")

二回归曲线的可能性

1，绘制点图，添加回归线

#散点图
p <- ggplot(iris2, aes(Sepal.Length, Sepal.Width)) +
  geom_point(color = "grey50",size = 3, alpha = 0.6)
#回归线
#添加回归曲线
p + stat_smooth(color = "skyblue", fill = "skyblue", method = "lm")

2，连接点到线

p + 
  stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm")+
  stat_fit_deviations(formula = y ~ x, color = "skyblue")

3，添加回归公式

stat_poly_eq参数添加公式，内含参数可调整位置等

p + 
  stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") +
  stat_poly_eq(
    aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')),
    formula = y ~ x,  parse = TRUE,
      size = 5, #公式字体大小
      label.x = 0.1,  #位置 ，0-1之间的比例
      label.y = 0.95)

4，添加方差结果表

p +  ylim(2,5) + 
  stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") +
  stat_poly_eq(
    aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')),
    formula = y ~ x,  parse = TRUE,size = 3,label.x = 0.1, label.y = 0.99) +
  stat_fit_tb(tb.type = 'fit.anova',
    label.y.npc = "top", label.x.npc = "left",
  )

注：此处仅为展示，label.y.npc 为另一种调整位置的方式，用label.y可完全避免重叠

如担心方差表和公示与图重叠，可以通过ggplot2 的 ylim和xlim适当调整，然后调整位置即可。

5，细节优化方差表

上述方差表中的行名，列名，以及NA，，，稍加调整后，看起来更“专业”！

p +  ylim(2,5) + 
  stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") +
  stat_poly_eq(
    aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')),
    formula = y ~ x,  parse = TRUE,size = 4,label.x = 0.1, label.y = 0.95) +
  stat_fit_tb(method = "lm",
              method.args = list(formula = y ~ x),
              tb.type = "fit.anova",
              tb.vars = c(Effect = "term", 
                          "df",
                          "M.S." = "meansq", 
                          "italic(F)" = "statistic", 
                          "italic(P)" = "p.value"),
              label.y = 0.87, label.x = 0.1,
              size = 4,
              parse = TRUE
  ) +
theme_classic()