我正在试着用errorbar做一个线条和点图。它有不同的因素,但有些因素只有一个值。我发现如果我使用position_dodge,与图中的其他误差条相比,其中一个单值因子的误差条要宽得多。不知何故,position_dodge对误差条上的宽度有影响。我之前没有发现任何人有同样的问题,所以我希望有人能帮助我。
虚拟数据:
require(ggplot2)
x <- c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4,3,3,5)
y <- c(3,5,6,3,5,3,5,6,2,6,3,7,3,6,2,1,5,8,7)
se <- x*0.2
treatmen
我试图在R中绘制一个双向相互作用图,该图与logistic回归模型中的两个二分预测值(即DV也是二分的),这样y轴将显示概率和预测值,并具有SE条形图。
我尝试过使用afex_plot:
glm <- glm(Y ~ X*Z, data = Data,
family = "binomial")
library("afex")
afex_plot(glm, X", "Y")
并收到以下错误:
Error in tbl[, vars, drop = FALSE] : incorrect number of d
我试图估计一个带有arima误差的线性回归,但我的回归变量是高度共线性的,因此回归模型受到多重共线性的影响。由于我的最终目标是能够将单个回归系数解释为弹性,并将它们用于事前预测,因此我需要以某种方式解决多重共线性,以便能够信任回归变量的系数。我知道转换回归变量,例如。通过差分可能有助于减少多重共线性。我还了解到,auto.arima对xreg中定义的response变量和回归变量执行相同的差分(参见:Do we need to do differencing of exogenous variables before passing to xreg argument of Arima() i
我试图使用答案的组合,将方程注释到ggplot图上,并将不同的文本放在不同的方面。
我遇到的问题是,我不能用不同的数学表达式得到不同的公式。
#Required package
library(ggplot2)
#Split the mtcars dataset by the number of cylinders in each engine
cars.split <- split(mtcars, mtcars$cyl)
#Create a linear model to get the equation for the line for each cylinder
cars.mo