时间戳

首页 > 解决方案 > 如何通过针对协变量等进行调整的治疗来绘制预测因子？

r - 如何通过针对协变量等进行调整的治疗来绘制预测因子？

问题描述

我想用三次预测变量和许多协变量和交互调整来绘制拟合的治疗效果。不过，ggplot我可以很容易地按处理对数据进行分组并添加一个geom_smooth()来获得它，而无需调整。我将此答案应用于我的问题，但是当您在模型中进行大量调整时会很痛苦，而当您有长格式的数据时几乎不适用。所以我的问题是是否有更简单的方法来获得我想要的东西。

一些数据

set.seed(42)
n <- 1e4
D <- rbinom(n, 1, .5)  # treatment indicator
X <- .5 + rnorm(n)  # bunch of covariates and other adjustemnts
P <- 5.54 + 0.35*D -.24*X + rnorm(n)  # predictor
Y <- 1.49 - 1.35*P + .5*P^2 - 0.04*P^3 - 0.83*D + 0.43*X + rnorm(n, 0, 6)
df1 <- data.frame(D, X, P, Y)

型号，完整和不完整指定

true <- lm(Y ~ P + I(P^2) + I(P^3) + D + X , df1)  # true model
bias <- lm(Y ~ P + I(P^2) + I(P^3) + D, df1)

> round(rbind(true=coef(true), bias=c(coef(bias), NA)),
+       3)
     (Intercept)     P I(P^2) I(P^3)      D    X
true      -4.023 1.803 -0.088 -0.005 -0.728 0.42
bias      -3.426 1.753 -0.091 -0.005 -0.702   NA

ggplot因此，与习惯情节中的真实模型相比，向我展示的内容存在很大差异。

绘制无协变量

library(ggplot2)
p1 <- ggplot(df1, aes(P, Y, color=as.factor(D), group=D)) +
  geom_smooth(se=FALSE) +
  theme_bw()
p2 <- ggplot(df1, aes(P, Y, color=as.factor(D), group=D)) +
  stat_smooth(method="lm", formula=y ~ poly(x, 3, raw=TRUE), se=FALSE) +
  theme_bw()
egg::ggarrange(p1, p2)

在此处输入图像描述

将上述解决方案应用于我的问题会给我以下信息。

预言

n.data <- data.frame(D=rep(range(D), each=n/2),
                   P=rep(seq(range(df1$P)[1], range(df1$P)[2],
                              length.out=n/2), times=2),
                   X=rep(seq(range(df1$X)[1], range(df1$X)[2],  # assume this dozens of!
                             length.out=n/2), times=2))
df1.2 <- data.frame(n.data, pred=predict(true, n.data))

带有协变量的绘图

p1a <- ggplot(df1, aes(x=P, y=Y, color=as.factor(D)))  +
  geom_smooth(data=df1.2, aes(x=P, y=pred, color=as.factor(D))) +
  theme_bw()
p2a <- ggplot(df1, aes(x=P, y=Y, color=D)) +
  stat_smooth(method="lm", formula=y ~ poly(x, 3, raw=TRUE),
              data=df1.2, aes(x=P, y=pred, color=as.factor(D))) +
  theme_bw()
egg::ggarrange(p1a, p2a)

在此处输入图像描述

看起来好像是我想要的，不过我不太信任它。无论如何，是否有更简单，更可靠的方法来获得这样的情节？

标签： rggplot2prediction

解决方案

我知道这个问题很老，所以仅供参考！

我会选择这个effects包裹：

set.seed(42)
n <- 1e4
D <- rbinom(n, 1, .5)  # treatment indicator
X <- .5 + rnorm(n)  # bunch of covariates and other adjustemnts
P <- 5.54 + 0.35*D -.24*X + rnorm(n)  # predictor
Y <- 1.49 - 1.35*P + .5*P^2 - 0.04*P^3 - 0.83*D + 0.43*X + rnorm(n, 0, 6)
df1 <- data.frame(D = factor(D, labels = c("Control", "Treatment")), X, P, Y)
true <- lm(Y ~ poly(P, 3, raw = TRUE):D + X , df1)  # true model
library(effects)
plot(predictorEffect("P", true), lines=list(multiline=TRUE))

如果你想要 ggplot，有一个ggeffects基本相同的包，但使用的是 ggplot2 系统。

推荐阅读