减少 R 中 ggplot 的主轴和 CI

Question

无论如何要向ggplot添加减少的主轴(最好是CI)？我知道我可以使用 method="lm"来拟合 OLS，但似乎没有 RMA 的默认方法。我可以从包 lmodel2 中获得 RMA coefs 和 CI 间隔，但是用 geom_abline() 添加它们似乎不起作用。这是虚拟数据和代码。我只想用 RMA 线和 CI 替换 OLS 线和 CI:

dat <- data.frame(a=log10(rnorm(50, 30, 10)), b=log10(rnorm(50, 20, 2)))

ggplot(dat, aes(x=a, y=b) ) + 
    geom_point(shape=1) +       
    geom_smooth(method="lm") 

Edit1:下面的代码获取 RMA(这里称为 SMA - 标准化主轴)系数和 CI。包 lmodel2 提供更详细的输出，而包 smatr 仅返回系数和 CI，如果有帮助的话:

library(lmodel2)
fit1 <- lmodel2(b ~ a, data=dat)

library(smatr)
fit2 <- line.cis(b, a, data=dat)

Answer 1

正如 Chase 所评论的，您使用的实际 lmodel2() 代码和 ggplot 代码会有所帮助。但这里有一个例子可以为您指明正确的方向:

dat <- data.frame(a=log10(rnorm(50, 30, 10)), b=log10(rnorm(50, 20, 2)))
mod <- lmodel2(a ~ b, data=dat,"interval", "interval", 99)

#EDIT: mod is a list, with components (data.frames) regression.results and 
#        confidence.intervals containing the intercepts+slopes for different 
#        estimation methods; just put the right values into geom_abline
ggplot(dat,aes(x=b,y=a)) + geom_point() + 
   geom_abline(intercept=mod$regression.results[4,2],
            slope=mod$regression.results[4,3],colour="blue") + 
   geom_abline(intercept=mod$confidence.intervals[4,2],
            slope=mod$confidence.intervals[4,4],colour="red") + 
   geom_abline(intercept=mod$confidence.intervals[4,3],
            slope=mod$confidence.intervals[4,5],colour="red") + 
   xlim(c(-10,10)) + ylim(c(-10,10))

完全披露:我对 RMA 回归一无所知，所以我只是提取了相关的斜率和截距并将它们放入 geom_abline() 中，使用 lmodel2 中的一些示例代码作为指导。在这个玩具示例中生成的 CI 似乎没有多大意义，因为我不得不使用 xlim() 和 ylim() 强制 ggplot 缩小才能看到 CI 线(红色)。

但也许这会帮助您在 ggplot() 中构建一个工作示例。

EDIT2:随着 OP 添加代码来提取系数， ggplot() 将是这样的:

ggplot(dat,aes(x=b,y=a)) + geom_point() + 
geom_abline(intercept=fit2[1,1],slope=fit2[2,1],colour="blue") + 
geom_abline(intercept=fit2[1,2],slope=fit2[2,2],colour="red") + 
geom_abline(intercept=fit2[1,3],slope=fit2[2,3],colour="red")