在進行回歸分析之前，通常要畫散點圖看兩組的相關趨勢，并添加擬合曲線，本文就描述一下，如何使用ggplot2來繪制散點圖，并添加擬合曲線及其95%CI，最后加上R方值和回歸方程。
本文使用iris數據集進行演示（多變量數據，包含不同的因子），首先我想通過構建一個函數，可以生成一個數據框，包括R平方，截距和系數（方便ggplot2作圖），這樣就可以將多個變量兩兩之間的回歸方程展示在一個圖中。
構建函數：
#函數作用：輸入一個數據框，輸入兩列的列名以及因子列的列名，求不同因子（分組）之間的回歸系數
例如iris數據集：
這里我輸入兩列的列名（例如Sepal.Length和Sepal.Width），再輸入因子列，也就是最后一列，就可以分別得到三種不同的種屬中Sepal.Length和Sepal.Width的相關系數。
Add_R <- function(dataframe,x,y,factor){? ?#四個參數，數據框，第一列和第二列的列名，因子列的列名
? cor <- data.frame()
? ? dataframe[,factor] <- as.factor(dataframe[,factor])
? ? lev <- levels(dataframe[,factor])
? ? for (i in c(1:length(lev))) {
? ? ? name <- lev[i]
? ? ? data <- dataframe[which(dataframe[,factor] == name),]
? ? ? lm <- summary(lm(data,formula = data[,y]~data[,x]))
? ? ? r_squared <- round(lm$r.squared,2)
? ? ? inter <- round(lm$coefficients[1,1],2)
? ? ? coefficients <- round(lm$coefficients[1,2],2)
? ? ? max_x <- max(data[,x])? ? ? #給出圖中添加文本的位置
? ? ? max_y <- max(data[,y])
? ? ? if(inter>0){
? ? ? ? eq <- substitute(""~R^2~"="~a~","~hat(y)~" = "~b%.%x+c~ "",list(a = r_squared,b = coefficients,c = inter))? ?#非常重要的一步，把公式打包，在通過下面的as.charaster來把公式以字符串的形式表示，因為geom_text這個函數中的label參數只接受字符串類型的數據
? ? ? }
? ? ? else{
? ? ? ?inter <- abs(inter)
? ? ? ? eq <- substitute(""~R^2~"="~a~","~hat(y)~" = "~b%.%x-c~"",list(a = r_squared,b = coefficients,c = inter))
? ? ? }
? ? ? cor <- rbind(cor,cbind(rsqua = r_squared,coef = coefficients,intercept = inter,max_x = max_x,max_y = max_y,exp = ""))
? ? ? exp <- as.character(as.expression(eq))
? ? ? cor$exp[i] <- exp
? ? ? row.names(cor)[i] <- name
? ? }
? for (i in c(1:5)){
? ? cor[,i] <- as.numeric(cor[,i])? ? #轉換為數值向量
? }
? return(cor)
}
df <- Add_R(iris,"Sepal.Length","Sepal.Width","Species")? ?#求這兩列不同種屬的相關性
df
開始繪圖
library(ggplot2)? #加載包
ggplot(iris,aes(Sepal.Length,Sepal.Width))+? ?#和上面函數輸入的要對應（df這個數據框）
? geom_point(size = 3,aes(color = Species,shape = Species,fill = Species))+
? geom_smooth(aes(color = Species,fill = Species),method = "lm",level = 0.95,formula = y~x,linetype = 2,alpha = 0.2)+
? scale_color_manual(values = c("slateblue2","blue4","tomato2"))+
? geom_text(data = df,aes(max_x,max_y,label = exp),vjust = 0,nudge_y = 0.1,size = 5,parse = T,color = c("slateblue2","blue4","tomato2"),)+? ? ? #注意parse = T參數，這個一定要等于T，才能把字符串類型的公式，以公式的形式表達。
? coord_cartesian(xlim = c(4,9),expand = F,ylim = c(2,4.7))+
? theme(panel.background = element_blank(),
? ? ? ? panel.grid.major.y = element_line(colour = "grey",linetype = 2),
? ? ? ? axis.line = element_line(colour = "black",size = rel(2),arrow = arrow(angle = 30,length = unit(0.1,"inches"))),
? ? ? ? axis.title.y = element_text(size = rel(2),hjust = 0.5),
? ? ? ? axis.title.x = element_text(size = rel(2),hjust = 0.5),
? ? ? ? axis.text.x = element_text(size = rel(2),hjust = 1),
? ? ? ? axis.text.y = element_text(hjust = 1,size = rel(2)),
? ? ? ? axis.ticks = element_line(size = rel(1.3)),
? ? ? ? plot.title = element_text(size = rel(1.8)),
? ? ? ? plot.margin = margin(15,9,9,30))
最終成果：
