J'ai ce complot
Utilisation du code ci-dessous
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)
En plus de R2, je veux également ajouter des valeurs de p aux facettes. Je peux le faire manuellement en exécutant d'abord la régression, puis en obtenant les valeurs de p et en utilisant geom_text()
pour ajouter ces valeurs de p similaire à la réponse de cette question.
Existe-t-il un moyen plus rapide ou automatisé de le faire? par exemple. similaire à la façon dont les valeurs R2 ont été ajoutées.
Mise à jour
La valeur de p dont je parle est la valeur de p de pente . Les tendances sont considérées comme hautement statistiquement significatives lorsque p <0,005 .
Utilisez stat_fit_glance
Qui fait partie du package ggpmisc
dans R. Ce package est une extension de ggplot2
Donc il fonctionne bien avec lui.
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
Prend essentiellement tout ce qui est passé par lm()
dans R et lui permet d'être traité et imprimé à l'aide de ggplot2
. Le guide de l'utilisateur contient un aperçu de certaines fonctions comme stat_fit_glance
: https://cran.r-project.org/web/packages/ggpmisc/vignettes/user-guide.html . Je crois également que cela donne la valeur p du modèle, pas la valeur p de la pente (en général), qui serait différente pour une régression linéaire multiple. Pour une régression linéaire simple, ils devraient cependant être les mêmes.
Voici l'intrigue: