我想对tmt的不同治疗方法进行一次负二项回归。对于每种治疗,我想找到一个二项式回归平均值和95% CI,并生成一个表如下所示。
library(MASS)
df <- data.frame(x = rnorm(12, 4,1), y = rnorm(12, 6,4), tmt = rep(c("A","B","C"), each = 4))
library(ggplot2)
library(dplyr)
mod <- glm.nb(x ~ y + tmt,df)
#Need to store the mean and 95% C
我的目标是在同一个变量的同一幅图中画出两个不同的密度。我想这样做,因为在回归间断设计中显示强制变量(此处z)的鲁棒性是常见的。在下面的代码中,我让它正常工作,但是我不希望在截止点之前绘制密度(这里是0),如果键是“上面”的,反之亦然。另外,图不应该仅仅因为平滑而被隐藏。它应该开始计算密度,直到(或开始)截止。
library(ggplot2)
x <- rnorm(1000, mean = 0)
y <- rnorm(500, mean = 2)
z <- append(x,y)
d <- tibble(value = z, key = ifelse(z <=
下面是我在R中接收到的消息的代码:
> library(sjPlot)
Attaching package: ‘sjPlot’
The following objects are masked _by_ ‘.GlobalEnv’:
adjust_plot_range, sjp.int
Warning message:
package ‘sjPlot’ was built under R version 3.1.3
图书馆(Sjmisc)
Warning message:
package ‘sjmisc’ was bui
是否可以使用循环在单个绘图中绘制成对的列?例如,如果我有一个包含10列的时间序列数据帧(x1,x2..x10),我想创建5个图:第一个图显示x1和x2,第二个图显示x3和x4,依此类推。
任何绘图方法都是有用的(zoo、ggplot2、ggplot2)。
我在创建循环来绘制单个变量时遇到了麻烦:
set.seed(1)
x<- data.frame(replicate(10,rnorm(10, mean = 0, sd = 1)))
cols <- seq(1,10)
library(zoo)
z <- read.zoo(x)
for (i in cols) {
pl
我正在尝试使用ggplot2来再现线性回归模型的诊断图。我得到的平滑线不同于使用基图或ggplot2 2::autoplot获得的平滑线。
library(survival)
library(ggplot2)
model <- lm(wt.loss ~ meal.cal, data=lung)
## Fitted vs. residuals using base plot:
plot(model, which=1)
## Fitted vs. residuals using ggplot
model.frame <- fortify(model)
ggplot(model.fram