如何在多级分析中用不同颜色显示不同级别

Question

我是多级分析的初学者，我试图了解如何使用 base-R 中的绘图函数绘制图形。我理解下面 fit 的输出，但我在可视化方面苦苦挣扎。 df只是一些简单的测试数据：

t <- seq(0, 10, 1)
df <- data.frame(t = t,
                 y = 1.5+0.5*(-1)^t + (1.5+0.5*(-1)^t) * t,
                 p1 = as.factor(rep(c("p1", "p2"), 10)[1:11]))

fit <- lm(y ~ t * p1, data = df)

# I am looking for an automated version of that:
plot(df$t, df$y)
lines(df$t[df$p1 == "p1"], 
      fit$coefficients[1] + fit$coefficients[2] * df$t[df$p1 == "p1"], col = "blue")
lines(df$t[df$p1 == "p2"], 
      fit$coefficients[1] + fit$coefficients[2] * df$t[df$p1 == "p2"] + 
        + fit$coefficients[3] + fit$coefficients[4] * df$t[df$p1 == "p2"], col = "red")

它应该知道它必须包含p1并且有两行。
结果应如下所示：

Edit: Predict est <- predict(fit, newx = t) 给出了与 fit 相同的结果，但我仍然不知道 "how to cluster".

编辑 2 @Keith：公式 y ~ t * p1 读作 y = (a + c * p1) + (b + d * p1) * t。因为 "first blue line" c, d 都是零。

Answer 1

这就是我要做的。我也包括了一个 ggplot2 版本的情节，因为我发现它更适合我思考情节的方式。此版本将占 p1 中的级别数。如果您想补偿模型参数的数量，您只需调整构建 xy 的方式以包含所有相关变量。我应该指出，如果您省略 newdata 参数，将对提供给 lm.

的数据集进行拟合

t <- seq(0, 10, 1)
df <- data.frame(t = t,
                 y = 1.5+0.5*(-1)^t + (1.5+0.5*(-1)^t) * t,
                 p1 = as.factor(rep(c("p1", "p2"), 10)[1:11]))

fit <- lm(y ~ t * p1, data = df)

xy <- data.frame(t = t, p1 = rep(levels(df$p1), each = length(t)))
xy$fitted <- predict(fit, newdata = xy)

library(RColorBrewer) # for colors, you can define your own
cols <- brewer.pal(n = length(levels(df$p1)), name = "Set1") # feel free to ignore the warning

plot(x = df$t, y = df$y)
for (i in 1:length(levels(xy$p1))) {
  tmp <- xy[xy$p1 == levels(xy$p1)[i], ]
  lines(x = tmp$t, y = tmp$fitted, col = cols[i])
}

library(ggplot2)
ggplot(xy, aes(x = t, y = fitted, color = p1)) +
  theme_bw() +
  geom_point(data = df, aes(x = t, y = y)) +
  geom_line()

如何在多级分析中用不同颜色显示不同级别

How to display different levels in a multilevel analysis with different colors

r

plot

lm