如何在绘图前不过滤数据的情况下在 ggplot2 中绘制 plot_model x 轴项目的子集？

Question

我想用sjPlot::plot_model生成一些边际效应图，稍后稍作修改。具体来说，我想运行使用有序分类预测变量进行回归。然后我想运行 plot_model 在回归对象上生成一个 ggplot2 对象但是为了便于可视化而删除分类预测变量的一些元素（例如，从回归中的 10 个类别到图中的 5 个类别）。

我知道我可以使用 ggeffects::ggpredict() 来生成 plot_model 使用的基础数据，但希望有更简单的方法，比如将参数传递给 scale_x_discrete()。

这是标准的 plot_model 输出。有没有一种直接的方法可以删除 x 轴元素之一，如“6”，但仍绘制“4”和“8”？

library(sjPlot)

mt <- mtcars

mt$cyl_fct <- as.factor(mt$cyl)

# automatic transmission vs number of cylinders
glm_out <- glm(am ~ cyl_fct, family = binomial, data = mt)

# plot model works fine but how to just show just 4 and 8 on x-axis?
plot_model(glm_out, type = "eff", terms = "cyl_fct") + 
  scale_y_continuous(labels = scales::percent_format(accuracy = 0.1)) 

# options like `breaks` and `limits` don't seem to do the trick
plot_model(glm_out, type = "eff", terms = "cyl_fct") + 
  scale_y_continuous(labels = scales::percent_format(accuracy = 0.1)) +
  scale_x_discrete(breaks = c("4", "8"), limits = c("4", "8"))

Answer 1

您可以在 plot_model 函数中指定要绘制的项，例如

library(tidyverse)
library(sjPlot)

mt <- mtcars
mt$cyl_fct <- as.factor(mt$cyl)

# automatic transmission vs number of cylinders
glm_out <- glm(am ~ cyl_fct, family = binomial, data = mt)

# plot model works fine but how to just show just 4 and 8 on x-axis?
plot_model(glm_out, type = "eff", terms = "cyl_fct[4, 8]") + 
  scale_y_continuous(labels = scales::percent_format(accuracy = 0.1))
#> Scale for 'y' is already present. Adding another scale for 'y', which will
#> replace the existing scale.

^{由 reprex package (v2.0.0)}

于 2021-07-21 创建

-- 如果这看起来有点奇怪，因为术语应该是“差距”，您可以调整 x 轴比例以适应，例如

plot_model(glm_out, type = "eff", terms = "cyl_fct[4, 8]") + 
  scale_y_continuous(labels = scales::percent_format(accuracy = 0.1)) +
  scale_x_discrete(breaks = c(4, 8), limits = c(4, 8))

如何在绘图前不过滤数据的情况下在 ggplot2 中绘制 plot_model x 轴项目的子集？

How to plot a subset of plot_model x-axis items in ggplot2 without filtering data before plotting?

r

ggplot2

sjplot