我使用sjPlot绘制了使用Gamma分布的glm模型中的显著三因素交互作用。DV是连续的，两个IV是连续的，一个是分类变量。我希望该图由分类变量分面，每个变量上的线显示均值+/- 1 sd（如下所示）。我得到了一个非常漂亮的小平面包裹图，并且能够修改轴限制、标题等。但是，我不知道如何改变某些美学，例如删除轴线/网格，使背景颜色为白色，更改面顶部条带的颜色等。我可以在ggplot中执行此操作，但我真的希望使用模型中的特定预测值，因为除了IV、DV和调节因子外，它还包含协变量。
下面是一个使用虹膜数据集的示例：
iris.glm<-glm(Sepal.Length ~ Sepal.Width*Petal.Width*Species + Petal.Length,
family = Gamma(link="inverse"), data=iris)
summary(iris.glm)
plot_model(iris.glm, type="int", mdrt.values="meansd", axis.lim=c(4,10),
title="", axis.title=c("Sepal Width", "Sepal Length"),
legend.title="Petal Width", colors=c("#66c2a5","#fc8d62", "#8da0cb"))
然而，我想在美学上做更多的改进。当我试图在ggplot中重新创建这个情节时，我做得很糟糕！特别是我不知道如何从本质上将连续调节器转换为三级分类（-1 SD，平均值，1 SD）。我是否需要使用模型的预测值创建单独的数据框，并根据该数据框创建图？如果需要，有没有人能帮上忙？提前道歉，还是ggplot的新手。
iris %>%
ggplot(aes(x=Sepal.Width, y=Sepal.Length, color=Petal.Width, group=Petal.Width)) +
facet_grid(~Species) +
stat_smooth(method = "glm", se=T) +
xlab("Sepal Width") +
ylab("Sepal Length") +
coord_cartesian(xlim =c(2, 4.5), ylim = c(4, 10))
1条答案
按热度按时间m2xkgtsf1#
sjPlot作者很有帮助，他不时地潜伏在这里，所以你可能要有点耐心，等待一个直接的答案。同时，您也可以尝试
marginaleffects中的plot_cap()函数（免责声明：我是作者）.好的方面是这个函数返回“普通”的ggplot2对象，所以你可以使用所有普通的美学和函数来定制，比如theme_classic()或ylim()：此外，还可以通过设置
draw=FALSE返回底层数据，然后如果需要更多定制，可以自己绘图：