R ggplot GLM拟合曲线无交互作用

我想在

ggplot

上添加GLM的拟合函数。默认情况下，它会自动创建具有交互的绘图。我想知道，我是否可以在没有交互的情况下从模型中绘制拟合函数。比如说,

dta <- read.csv("http://www.ats.ucla.edu/stat/data/poisson_sim.csv")
dta <- within(dta, {
  prog <- factor(prog, levels=1:3, labels=c("General", "Academic", "Vocational"))
  id <- factor(id)
})

plt <- ggplot(dta, aes(math, num_awards, col = prog)) + 
    geom_point(size = 2) + 
    geom_smooth(method = "glm", , se = F, 
        method.args = list(family = "poisson"))

print(plt)

我试着这样做

mod <- glm(num_awards ~ math + prog, data = dta, family = "poisson")

fun.gen <- function(awd) exp(mod$coef[1] + mod$coef[2] * awd)
fun.acd <- function(awd) exp(mod$coef[1] + mod$coef[2] * awd + mod$coef[3])
fun.voc <- function(awd) exp(mod$coef[1] + mod$coef[2] * awd + mod$coef[4])

ggplot(dta, aes(math, num_awards, col = prog)) +
    geom_point() +
    stat_function(fun = fun.gen, col = "red") +
    stat_function(fun = fun.acd, col = "green") +
    stat_function(fun = fun.voc, col = "blue") +
    geom_smooth(method = "glm", se = F, 
        method.args = list(family = "poisson"), linetype = "dashed")

---

mod据我所知，没有办法欺骗
geom_smooth（）
这样做，但你可以做得比你做的好一点。您仍然需要自己拟合模型并添加行，但您可以使用
predict（）
方法生成预测并将其加载到与原始数据具有相同结构的数据帧中

mod <- glm(num_awards ~ math + prog, data = dta, family = "poisson")
## generate prediction frame
pframe <- with(dta,
             expand.grid(math=seq(min(math),max(math),length=51),
                         prog=levels(prog)))
## add predicted values (on response scale) to prediction frame
pframe$num_awards <- predict(mod,newdata=pframe,type="response")

ggplot(dta, aes(math, num_awards, col = prog)) +
   geom_point() +
   geom_smooth(method = "glm", se = FALSE,
       method.args = list(family = "poisson"), linetype = "dashed")+
   geom_line(data=pframe)  ## use prediction data here
          ## (inherits aesthetics etc. from main ggplot call)

mod我不确定，但是你写了“没有交互”——也许你在寻找效果图？（如果不是，请原谅，我认为完全错了…）

例如，您可以使用

dta <- read.csv("http://www.ats.ucla.edu/stat/data/poisson_sim.csv")
dta <- within(dta, {
  prog <- factor(prog, levels=1:3, labels=c("General", "Academic", "Vocational"))
  id <- factor(id)
})

mod <- glm(num_awards ~ math + prog, data = dta, family = "poisson")

library(effects)
plot(allEffects(mod))


或者以非平面的方式：

sjp.glm(mod, type = "eff", facet.grid = F, show.ci = T)


Ben绘制特定模型术语响应预测值的想法启发我改进了
sjp.glm
函数的
type=“y.pc”
选项。新更新为，版本号为1.9.4-3

现在，您可以绘制特定术语的预测值，其中一个沿x轴使用，另一个用作分组因子：

sjp.glm(mod, type = "y.pc", vars = c("math", "prog"))

它给出了以下曲线图：


如果您的模型有两个以上的术语，则需要使用
vars
参数来指定x轴范围的术语和分组的术语

您还可以分为以下组：

sjp.glm(mod, type = "y.pc", vars = c("math", "prog"), show.ci = T, facet.grid = T)

谢谢，但我认为这并不是OP想要的。“无交互”意味着他们想要绘制一个加法（
~math+prog
）模型的预测……好吧，你的答案看起来是获得该图的最短方法。“没有互动”和
num_awards=ß0+ß1*数学+ß2*程序+错误
在我看来，边缘效应是OP想要的。。。。我尝试了sjp.glm（mod，type=“y.pc”，axisLabels=“math”）
，这是我认为OP想要的，sjPlot版本1.9.4.2（刚从Github发布，除非我出错）得到了一个空白绘图和一条警告消息……这种绘图类型将轴限制从0设置为1（假设为二项glm），因此，您只找到了一种不固定的打印类型，以匹配不同的模型族；-）无论如何，这个函数不能完全做到这一点，因为x轴只是从1到
nrow
的值。我不知道如何以一种通用的方式处理响应预测。如果模型有更多的协变量，或者只有连续的协变量，会怎么样？那么我就不知道选择哪个术语作为分组因子了。老实说，当前的type选项
y.pc
没有做很多有用的事情。
sjp.glm(mod, type = "y.pc", vars = c("math", "prog"))

sjp.glm(mod, type = "y.pc", vars = c("math", "prog"), show.ci = T, facet.grid = T)