Я использую lms для анализа данных и упрощения моделей с помощью обратного выбора. Теперь действительно легко отобразить этот результат в R base-package через predict(), но я изо всех сил пытаюсь сделать это в ggplot2.
Чтобы быть более точным в моей модели, у меня есть метрическая зависимая переменная и метрическая переменная, фактор (22 уровня) в качестве объясняющих переменных, а также их взаимодействия. В процессе упрощения я обнаружил, что взаимодействие несущественно, поэтому его можно исключить из минимально адекватной модели. Для простоты я демонстрирую свою проблему, используя набор данных mtcar и преобразовывая cyl как фактор:
mtcars$cyl <- as.factor(mtcars$cyl)
model <- lm(mpg ~ cyl + wt, data = mtcars)
summary(model)
поэтому в моей упрощенной модели отсутствует взаимодействие. Теперь я хочу построить данные в ggplot2:
cyl <- ggplot(mtcars, aes(x = wt, y = mpg, col = cyl, fill = cyl, group = cyl))
cyl + geom_point(size = 3, alpha = 0.3) + stat_smooth(method = "lm", se = F)
Если я строю данные с использованием stat_smooth, я получаю отдельные линии регрессии для каждого уровня фактора с различиями в пересечении и наклоне, что не является тем, что предлагает упрощенная модель. Но как мне реализовать это в gglot2? Заранее большое спасибо!