r - 使用 ggplot2 添加 95% 的预测置信区间-6ren

r - 使用 ggplot2 添加 95% 的预测置信区间

转载作者：行者123 更新时间：2023-12-05 04:20:14

我正在使用 ggh4x 中的 facet_grid2 函数来使 x 轴和 y 轴刻度都像自由一样

ggplot(data_calibration, aes(Observed,Predicted))+
  geom_point(color="black",alpha = 1/3) + 
  facet_grid2(Station ~ Method, scales="free", independent = "all")+
  xlab("Measured") +
  ylab("Predicted") + 
  theme_bw()+
  geom_smooth(method="lm") +
  theme(panel.grid.minor = element_blank())

现在如何将预测的 95% 置信区间添加到此图中，如下图所示

数据

data_calibration = structure(list(Observed = c(17229L, 15964L, 13373L, 17749L, 12457L, 
                                               7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 7197L, 7220L, 
                                               7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L, 11465L, 
                                               11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L, 10759L, 
                                               9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L, 3183L, 
                                               9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L, 17749L, 
                                               12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 7197L, 
                                               7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L, 
                                               11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L, 
                                               10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L, 
                                               3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L, 
                                               17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 
                                               7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L, 
                                               11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L, 
                                               10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L, 
                                               3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L, 
                                               17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 
                                               7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L, 
                                               11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L, 
                                               10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L, 
                                               3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L, 
                                               17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 
                                               7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L, 
                                               11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L, 
                                               10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L, 
                                               3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L, 
                                               17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 
                                               7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L, 
                                               11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L, 
                                               10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L, 
                                               3183L, 9078L, 8688L, 11023L, 9000L, 9001L), Station = structure(c(1L, 
                                                                                                                 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 
                                                                                                                 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 
                                                                                                                 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 
                                                                                                                 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 
                                                                                                                 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 
                                                                                                                 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
                                                                                                                 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
                                                                                                                 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
                                                                                                                 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
                                                                                                                 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
                                                                                                                 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
                                                                                                                 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 
                                                                                                                 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 
                                                                                                                 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Raigad", 
                                                                                                                                                                                 "Ratnagiri", "Thane "), class = "factor"), Method = structure(c(6L, 
                                                                                                                                                                                                                                                 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 
                                                                                                                                                                                                                                                 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 
                                                                                                                                                                                                                                                 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 5L, 5L, 5L, 5L, 
                                                                                                                                                                                                                                                 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
                                                                                                                                                                                                                                                 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
                                                                                                                                                                                                                                                 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
                                                                                                                                                                                                                                                 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
                                                                                                                                                                                                                                                 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
                                                                                                                                                                                                                                                 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
                                                                                                                                                                                                                                                 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
                                                                                                                                                                                                                                                 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
                                                                                                                                                                                                                                                 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                                                                                                                                                 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                                                                                                                                                 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                                                                                                                                                                                                                                 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
                                                                                                                                                                                                                                                 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
                                                                                                                                                                                                                                                 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), .Label = c("ANN", 
                                                                                                                                                                                                                                                                                                                 "ELNET", "LASSO", "PCA-ANN", "PCA-MLR", "SMLR"), class = "factor"), 
                                  Predicted = c(14463L, 14285L, 14452L, 12765L, 11917L, 8143L, 
                                                11251L, 8611L, 6789L, 2059L, 2787L, 2201L, 3062L, 4508L, 
                                                4975L, 15357L, 15605L, 12326L, 10377L, 9113L, 13926L, 13142L, 
                                                11407L, 8711L, 7801L, 2064L, 4563L, 4725L, 6247L, 7170L, 
                                                9492L, 8857L, 10323L, 7389L, 6776L, 7842L, 8261L, 6156L, 
                                                8627L, 4326L, 8094L, 8897L, 10370L, 10214L, 8548L, 16043L, 
                                                16671L, 15831L, 13463L, 11921L, 10239L, 9110L, 8090L, 10794L, 
                                                5826L, 3621L, 5639L, 7364L, 8152L, 5515L, 15182L, 14370L, 
                                                13559L, 12748L, 11936L, 11125L, 10313L, 9502L, 8691L, 7879L, 
                                                7068L, 6257L, 5445L, 4634L, 3822L, 10045L, 9911L, 11038L, 
                                                9255L, 8736L, 8848L, 8063L, 7847L, 8538L, 6744L, 9583L, 10474L, 
                                                8343L, 10353L, 8791L, 13185L, 13331L, 13099L, 12557L, 11898L, 
                                                10474L, 11199L, 10255L, 9251L, 6148L, 6795L, 6166L, 7775L, 
                                                8157L, 7990L, 14843L, 15086L, 12585L, 10987L, 10193L, 13663L, 
                                                11317L, 11071L, 9392L, 6991L, 4484L, 4667L, 4846L, 5830L, 
                                                6577L, 9085L, 8802L, 9570L, 7770L, 7652L, 8006L, 7995L, 6599L, 
                                                9050L, 4876L, 8360L, 8981L, 9931L, 9479L, 8009L, 13775L, 
                                                13890L, 13416L, 12851L, 12141L, 10693L, 10834L, 10372L, 9585L, 
                                                5914L, 5930L, 5922L, 7854L, 7407L, 7697L, 14941L, 15174L, 
                                                12572L, 10817L, 10412L, 13705L, 11154L, 10886L, 9448L, 7215L, 
                                                4389L, 4875L, 4809L, 5747L, 6385L, 9034L, 8749L, 9410L, 7820L, 
                                                7798L, 7940L, 7957L, 6803L, 8844L, 5227L, 8369L, 8972L, 9789L, 
                                                9514L, 7940L, 15309L, 14477L, 14219L, 18581L, 12084L, 10550L, 
                                                8666L, 8812L, 11415L, 5566L, 3928L, 4592L, 7861L, 7489L, 
                                                6903L, 12509L, 13366L, 11956L, 11880L, 8711L, 12768L, 11690L, 
                                                10922L, 4101L, 10106L, 2811L, 2979L, 4785L, 5944L, 5901L, 
                                                10007L, 8710L, 8688L, 7383L, 7575L, 8047L, 7938L, 6585L, 
                                                9517L, 3729L, 8816L, 8704L, 10847L, 8812L, 8493L, 18115L, 
                                                15670L, 15931L, 16804L, 12450L, 7701L, 7588L, 8450L, 9205L, 
                                                5477L, 4666L, 4948L, 8262L, 7095L, 6798L, 12902L, 12883L, 
                                                12864L, 12788L, 12690L, 12896L, 12491L, 12199L, 11982L, 5213L, 
                                                5357L, 5053L, 5013L, 5321L, 5596L, 9467L, 8931L, 9305L, 7867L, 
                                                8427L, 8282L, 7291L, 6396L, 9725L, 5509L, 8545L, 8997L, 10171L, 
                                                10389L, 8700L)), class = "data.frame", row.names = c(NA, 
                                                                                                     -270L))

最佳答案

简而言之，geom_smooth 函数只计算置信区间。为了获得预测区间，这些应该在 ggplot 之外计算并传入。这是一个有点长的编码方式，但希望你能看到 predict在 lm 模型上调用两次，一次生成两列置信区间，一次生成两列预测区间。这些被传递给 geom_ribbons:

library(ggh4x)
library(tidyverse)

data_calibration |>
  group_by(Station, Method) |>
  nest() |>
  mutate(model = map(data, ~ lm(Predicted ~ Observed, data = .x))) |>
  mutate(fit = map2(model, data, ~ as.tibble(
    predict(.x, interval = "conf"), new_data = tibble(Observed = seq(min(
      data$Observed, max(data$Observed), 100
    )))
  )),
  pred = map2(model, data, ~ as.tibble(
    predict(.x, interval = "pred", new_data = tibble(Observed = seq(
      min(data$Observed, max(data$Observed), 100)
    )))
  ))) |>
  unnest(c(data, fit, pred), names_sep = "_") |>
  ggplot(aes(data_Observed, data_Predicted)) +
  geom_point(color = "black", alpha = 1 / 3) +
  facet_grid2(Station ~ Method, scales = "free", independent = "all") +
  xlab("Measured") +
  ylab("Predicted") +
  theme_bw() +
  geom_smooth(method = "lm", se = FALSE) +
  geom_ribbon(aes(ymax = fit_upr, ymin = fit_lwr),
              colour = "green",
              fill = NA) +
  geom_ribbon(aes(ymax = pred_upr, ymin = pred_lwr),
              colour = "red",
              fill = NA) +
  theme(panel.grid.minor = element_blank())

我欢迎更简洁的答案!一种方法是创建一个新的 stat_predict 层函数，这有点棘手但并非不可能。

编辑 - 我说的那件事也许是个好主意，也许是!

出于好奇，我认为值得制作一个 stat_predict 函数。源代码来自 this gist然后简单的代码将处理上述数据:

# To source new function, either...
source("https://gist.githubusercontent.com/andrewbaxter439/b508a60786f8af3c0be7b381a667ae07/raw/f7f4672222f0b1024cf6bf536ed7f6059867b4f2/stat_predict.R")

# or devtools::source_gist("b508a60786f8af3c0be7b381a667ae07")

ggplot(data_calibration, aes(Observed,Predicted))+
  geom_point(color="black",alpha = 1/3) + 
  facet_grid2(Station ~ Method, scales="free", independent = "all")+
  xlab("Measured") +
  ylab("Predicted") + 
  theme_bw()+
  geom_smooth(method="lm", se = FALSE) +
  stat_smooth(method = "lm", geom = "ribbon", fill = NA, colour = "green") +
  stat_predict(method = "lm", geom = "ribbon", fill = NA, colour = "red") +
  theme(panel.grid.minor = element_blank())

脚注:here's an old discussion on whether a prediction interval function should be a part of ggplot2 or not

关于r - 使用 ggplot2 添加 95% 的预测置信区间，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/74570527/

文章推荐： r - install.packages() 忽略将警告转换为错误的选项？

文章推荐： streamlit - 无法加载图像并将其传递给模型预测的预处理

文章推荐： linkedin - Linkedin API 文章缩略图

文章推荐： R mapdata 对荷兰来说似乎很奇怪

r - 计算 R 中的 R 平方内、R 平方之间或整体 R 平方
我正在从 Stata 迁移到 R(plm 包)，以便进行面板模型计量经济学。在 Stata 中，面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
r - Revolution R 中的模块是开源的。 R 许可证是否意味着我可以免费使用随附的 R 软件包？
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。想改进这个问题？将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
r - 如何从 R 中的用户输入中读取向量并将其用于进一步处理 [R]
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值，如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。我正在使用下面的代码 EXP <- as.integer(rea
r - R 中的分类变量 - R 选择哪一个作为引用？
当 R 使用分类变量执行回归时，它实际上是虚拟编码。也就是说，省略了一个级别作为基础或引用，并且回归公式包括所有其他级别的虚拟变量。但是，R 选择了哪一个作为引用，以及我如何影响这个选择？具有四个级
r - 制作数据框或排名调整后的 R 平方 - R
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
r - 将已安装的 R 包传输到另一台计算机上的 R
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易，但我将不得不使用安装许多包 install.package
r - R 中字符的对象大小 - R 全局字符串池如何工作？
我正在阅读 Hadley 的高级 R 编程，当它讨论字符的内存大小时，它说: R has a global string pool. This means that each unique strin
r - 是否写入 "ui.R + server.R"或 "app.R"
我们可以将 Shiny 代码写在两个单独的文件中，"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
r - 在 .R 文件中保存 R 对象(代码)(R 遗传编程)
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
r - 如何让 R 在编辑后自动加载我的 .r 文件？
假设我创建了一个函数“function.r”，在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何，每次我进行编辑时，我是否可以避免将其重新加载到我的
r - 是否可以在命令行中将代码通过管道传递给 R 或 R 脚本？
例如，test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
r - 我可以使用 R 笔记本作为 R 包小插图吗？
我知道我可以使用 Rmd 来构建包插图，但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样，我需要将 R Notebooks 编写为包小插图有什么不同吗？我正在使用最新版本
r - 在 R 运行时更新 R 包
我正在考虑使用 R 包的共享库进行 R 的站点安装。多台计算机将访问该库，以便每个人共享相同的设置。问题是我注意到有时您无法更新包，因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
r - 如何从命令行向 R 提供表达式但阻止 R 立即退出？
我知道如何从命令行启动 R 并执行表达式(例如， R -e 'print("hello")' )或从文件中获取输入(例如， R -f filename.r )。但是，在这两种情况下，R 都会运行文件中
r - 从另一个 .r 文件中编辑 .r 文件
我正在尝试使我当前的项目可重现，因此我正在创建一个主文档(最终是一个 .rmd 文件)，用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。当前设置分为三层:主文件、2 个读
r - 是否有任何简单的方法可以在 R 中制作不需要安装 R 的桌面应用程序
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。想改进这个问题？将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
r - 如何在 R 包的手册中包含 Authors@R？
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
r - 将 R 代码转换为 R 风格
有没有办法更有效地编写以下语句？accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
r - 安装 R 包时，R 如何检查系统外部依赖项？
例如，在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
r - 在 R 包中包含 R 脚本
我想将一些软件作为一个包共享，但我的一些脚本似乎并不能很自然地作为函数运行。例如，考虑以下代码块，其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

r - 使用 ggplot2 添加 95% 的预测置信区间

编辑 - 我说的那件事也许是个好主意，也许是!