GGPLOT2中的QQNORM和QQLINE
https://stackoverflow.com/questions/4357031
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian题
说有一个线性模型LM，我想要一个残差的QQ图。通常，我会使用R基本图形：
qqnorm(residuals(LM), ylab="Residuals")
qqline(residuals(LM))
我可以弄清楚如何获取图的QQNorm部分，但是我似乎无法管理QQLINE：
ggplot(LM, aes(sample=.resid)) +
stat_qq()
我怀疑我缺少一些基本的东西，但是似乎应该有一种简单的方法来做到这一点。
编辑： 非常感谢下面的解决方案。我已经修改了代码（非常稍微）以从线性模型中提取信息，以便该图的工作方式就像R Base Graphics Package中的便利图一样。
ggQQ <- function(LM) # argument: a linear model
{
y <- quantile(LM$resid[!is.na(LM$resid)], c(0.25, 0.75))
x <- qnorm(c(0.25, 0.75))
slope <- diff(y)/diff(x)
int <- y[1L] - slope * x[1L]
p <- ggplot(LM, aes(sample=.resid)) +
stat_qq(alpha = 0.5) +
geom_abline(slope = slope, intercept = int, color="blue")
return(p)
}
解决方案
以下代码将为您提供所需的情节。 GGPLOT软件包似乎不包含用于计算QQLINE参数的代码，因此我不知道是否可以在（可理解的）单线器中实现此类图。
qqplot.data <- function (vec) # argument: vector of numbers
{
# following four lines from base R's qqline()
y <- quantile(vec[!is.na(vec)], c(0.25, 0.75))
x <- qnorm(c(0.25, 0.75))
slope <- diff(y)/diff(x)
int <- y[1L] - slope * x[1L]
d <- data.frame(resids = vec)
ggplot(d, aes(sample = resids)) + stat_qq() + geom_abline(slope = slope, intercept = int)
}
其他提示
您还可以使用此功能添加置信区间/置信带（代码的一部分从 car:::qqPlot)
gg_qq <- function(x, distribution = "norm", ..., line.estimate = NULL, conf = 0.95,
labels = names(x)){
q.function <- eval(parse(text = paste0("q", distribution)))
d.function <- eval(parse(text = paste0("d", distribution)))
x <- na.omit(x)
ord <- order(x)
n <- length(x)
P <- ppoints(length(x))
df <- data.frame(ord.x = x[ord], z = q.function(P, ...))
if(is.null(line.estimate)){
Q.x <- quantile(df$ord.x, c(0.25, 0.75))
Q.z <- q.function(c(0.25, 0.75), ...)
b <- diff(Q.x)/diff(Q.z)
coef <- c(Q.x[1] - b * Q.z[1], b)
} else {
coef <- coef(line.estimate(ord.x ~ z))
}
zz <- qnorm(1 - (1 - conf)/2)
SE <- (coef[2]/d.function(df$z)) * sqrt(P * (1 - P)/n)
fit.value <- coef[1] + coef[2] * df$z
df$upper <- fit.value + zz * SE
df$lower <- fit.value - zz * SE
if(!is.null(labels)){
df$label <- ifelse(df$ord.x > df$upper | df$ord.x < df$lower, labels[ord],"")
}
p <- ggplot(df, aes(x=z, y=ord.x)) +
geom_point() +
geom_abline(intercept = coef[1], slope = coef[2]) +
geom_ribbon(aes(ymin = lower, ymax = upper), alpha=0.2)
if(!is.null(labels)) p <- p + geom_text( aes(label = label))
print(p)
coef
}
例子：
Animals2 <- data(Animals2, package = "robustbase")
mod.lm <- lm(log(Animals2$brain) ~ log(Animals2$body))
x <- rstudent(mod.lm)
gg_qq(x)
线性模型的标准QQ诊断图绘制 标准化 残差与n（0,1）的理论分位数。 @Peter的GGQQ函数绘制残差。下面的摘要修改了，并增加了一些化妆品的更改，使情节更像是从中获得的 plot(lm(...)).
ggQQ = function(lm) {
# extract standardized residuals from the fit
d <- data.frame(std.resid = rstandard(lm))
# calculate 1Q/4Q line
y <- quantile(d$std.resid[!is.na(d$std.resid)], c(0.25, 0.75))
x <- qnorm(c(0.25, 0.75))
slope <- diff(y)/diff(x)
int <- y[1L] - slope * x[1L]
p <- ggplot(data=d, aes(sample=std.resid)) +
stat_qq(shape=1, size=3) + # open circles
labs(title="Normal Q-Q", # plot title
x="Theoretical Quantiles", # x-axis label
y="Standardized Residuals") + # y-axis label
geom_abline(slope = slope, intercept = int, linetype="dashed") # dashed reference line
return(p)
}
使用的示例：
# sample data (y = x + N(0,1), x in [1,100])
df <- data.frame(cbind(x=c(1:100),y=c(1:100+rnorm(100))))
ggQQ(lm(y~x,data=df))
自2.0版以来，GGPLOT2具有据可查的界面；因此，我们现在可以轻松地为QQLine编写一个新的统计数据（我是第一次做的，因此改进是 欢迎):
qq.line <- function(data, qf, na.rm) {
# from stackoverflow.com/a/4357932/1346276
q.sample <- quantile(data, c(0.25, 0.75), na.rm = na.rm)
q.theory <- qf(c(0.25, 0.75))
slope <- diff(q.sample) / diff(q.theory)
intercept <- q.sample[1] - slope * q.theory[1]
list(slope = slope, intercept = intercept)
}
StatQQLine <- ggproto("StatQQLine", Stat,
# http://docs.ggplot2.org/current/vignettes/extending-ggplot2.html
# https://github.com/hadley/ggplot2/blob/master/R/stat-qq.r
required_aes = c('sample'),
compute_group = function(data, scales,
distribution = stats::qnorm,
dparams = list(),
na.rm = FALSE) {
qf <- function(p) do.call(distribution, c(list(p = p), dparams))
n <- length(data$sample)
theoretical <- qf(stats::ppoints(n))
qq <- qq.line(data$sample, qf = qf, na.rm = na.rm)
line <- qq$intercept + theoretical * qq$slope
data.frame(x = theoretical, y = line)
}
)
stat_qqline <- function(mapping = NULL, data = NULL, geom = "line",
position = "identity", ...,
distribution = stats::qnorm,
dparams = list(),
na.rm = FALSE,
show.legend = NA,
inherit.aes = TRUE) {
layer(stat = StatQQLine, data = data, mapping = mapping, geom = geom,
position = position, show.legend = show.legend, inherit.aes = inherit.aes,
params = list(distribution = distribution,
dparams = dparams,
na.rm = na.rm, ...))
}
这也概括了分布（完全像 stat_qq 做），可以用如下：
> test.data <- data.frame(sample=rnorm(100, 10, 2)) # normal distribution
> test.data.2 <- data.frame(sample=rt(100, df=2)) # t distribution
> ggplot(test.data, aes(sample=sample)) + stat_qq() + stat_qqline()
> ggplot(test.data.2, aes(sample=sample)) + stat_qq(distribution=qt, dparams=list(df=2)) +
+ stat_qqline(distribution=qt, dparams=list(df=2))
（不幸的是，由于QQLINE位于单独的层上，因此我找不到“重复使用”分布参数的方法，但这应该只是一个小问题。）
为什么不以下内容？
考虑到一些向量，例如
myresiduals <- rnorm(100) ^ 2
ggplot(data=as.data.frame(qqnorm( myresiduals , plot=F)), mapping=aes(x=x, y=y)) +
geom_point() + geom_smooth(method="lm", se=FALSE)
但是，我们必须使用传统的图形功能来支持GGPLOT2似乎很奇怪。
我们无法通过以某种方式从想要的矢量开始，然后在GGPLOT2中应用适当的“ STAT”和“ GEOM”函数来获得相同的效果？
哈德利·威克姆（Hadley Wickham）是否监视这些帖子？也许他可以向我们展示更好的方法。
使用最新的GGPLOT2版本（> = 3.0），新功能 stat_qq_line 已实施（https://github.com/tidyverse/ggplot2/blob/master/news.md）和用于模型残差的QQ线可以添加：
library(ggplot2)
model <- lm(mpg ~ wt, data=mtcars)
ggplot(model, aes(sample = rstandard(model))) + geom_qq() + stat_qq_line()
rstandard(model) 需要获得标准化的残差。 （信用@jlhoward和@qwr）
如果您在Stat_qq_line（）中获取'错误：无法找到函数“ stat_qq_line”'，则您的ggplot2版本太旧了，您可以通过升级GGPLOT2软件包来修复它： install.packages("ggplot2") .
您可以从老式的老板那里窃取一页，他们用正常的概率纸做了这些事情。仔细查看ggplot（）+stat_qq（）图形表明可以使用Geom_abline（）添加参考行，
df <- data.frame( y=rpois(100, 4) )
ggplot(df, aes(sample=y)) +
stat_qq() +
geom_abline(intercept=mean(df$y), slope = sd(df$y))
不隶属于 StackOverflow
