R ggplot2：如何绘制正交回归线？

我已经在两个不同的视觉感知测试中测试了一个大样本的参与者——现在，我想看看这两个测试的表现在多大程度上相互关联

为了可视化相关性，我使用

ggplot（）

在R中绘制了一个散点图，并拟合了一条回归线（使用

stat\u smooth（）

）。但是，由于我的

x

和

y

变量都是性能度量，因此在拟合回归线时，我需要考虑这两个变量–因此，我不能使用简单的线性回归（使用

stat\u smooth（method=“lm”）

），而是需要拟合正交回归（或总最小二乘）。我该怎么做呢

---

我知道我可以在

stat\u smooth（）

中指定

formula

，但我不知道该使用什么公式。据我所知，所有预设方法（

lm、glm、gam、黄土、rlm

）均不适用。

注意：不熟悉此方法

我认为您应该能够将

坡度

和

截距

传递到

geom\u abline

以生成装配线。或者，您可以定义自己的方法传递到

stat\u smooth

（如链接所示）。我使用了链接中建议的

MethComp

包中的

Deming

功能

库（MethComp）
图书馆（GG2）
#样本数据和模型（来自Deming示例）
种子（1）
M可以从（x，y）的主成分分析中提取斜率和截距，如图所示。这只是简单了一点，在base R中运行，并给出了与在
MethComp
中使用
Deming（…）
相同的结果

# same `x and `y` as @user20650's answer
df  <- data.frame(y, x)
pca <- prcomp(~x+y, df)
slp <- with(pca, rotation[2,1] / rotation[1,1])
int <- with(pca, center[2] - slp*center[1])

ggplot(df, aes(x,y)) + 
  geom_point() + 
  stat_smooth(method=lm, color="green", se=FALSE) +
  geom_abline(slope=slp, intercept=int, color="blue")

#与@user20650的答案相同的'x和'y'
df似乎不再维护
MethComp
包（已从CRAN中删除）。
允许使用
stat\u
/
geom\u summary
和
method=“tls”
添加正交回归线

基于此，我创建了以下函数，允许使用除1以外的噪声比：


deming.fit您可以将
斜率
和
截距
从您的模型传递到
geom_abline
，或者您可以使用显示的方法创建自己的methodGreat方法，同时避免额外的包。另一个问题，也许更符合美学，是如何将
geom_abline（）
的长度限制为数据，比如
stat_smooth（）
？当前，
geom\u abline（）
一直延伸到绘图上，而不管数据点是否一直延伸到绘图上。一种方法是使用
geom\u段
。您知道数据中x范围的最小值和最大值，因此使用斜率和截距计算这些极限处的y值，然后使用
geom_段
绘制线。或者您可以在下面的函数
f
中用nice
prcomp
方法替换
Deming
函数。您知道为什么在
noise\u ratio=1
下使用函数计算的置信区间与COEF:：tls方法产生的置信区间略有不同吗？另外，答案很漂亮，因为它是唯一包含置信区间的答案。非常感谢。它们是用引导估计的，因此是随机的，您可以尝试增加引导样本的数量（
R
），并检查这是否有助于使它们更相似！让我知道是否存在系统性差异！哦，你说得对！在两次运行之间，间隔略有变化。谢谢。像这样扩展geom_smooth是作者（）所不鼓励的（但我不确定替代方案是什么）。要解决predictdf y ggplot2的非导出问题，可以使用注册表3方法（“predictdf”，“YourClass”，yourpackage:：predictdf.YourClass，envir=environment（ggplot2:：predictdf））
在您的包的
.on.load
中。
# same `x and `y` as @user20650's answer
df  <- data.frame(y, x)
pca <- prcomp(~x+y, df)
slp <- with(pca, rotation[2,1] / rotation[1,1])
int <- with(pca, center[2] - slp*center[1])

ggplot(df, aes(x,y)) + 
  geom_point() + 
  stat_smooth(method=lm, color="green", se=FALSE) +
  geom_abline(slope=slp, intercept=int, color="blue")