如何扩展分位数回归线 geom_quantile 以在 ggplot 中进行预测？

Question

我正在尝试绘制一组数据的分位数回归线。我想从 geom_quantile() 扩展分位数回归线，以显示它们如何预测类似于使用 stat_smooth() 且全范围参数设置为 TRUE。但是，geom_quantile() 没有全范围参数。例如，见下文：

data("mpg")
library(ggplot2)
library(dplyr)

m <-
   ggplot(mpg, aes(displ,1/ hwy)) +
   geom_point()
m + geom_quantile() +
   scale_x_continuous(limits = c(1,9),
                      breaks = waiver(),
                      n.breaks = 8)

p <-
   ggplot(mpg, aes(displ,1/ hwy)) +
   geom_point()
p + stat_smooth(method = lm, fullrange = TRUE, se = FALSE, color = "red") +
   scale_x_continuous(limits = c(1,9),
                      breaks = waiver(),
                      n.breaks = 8)

m1 <-
   ggplot(mpg, aes(displ,1/ hwy)) +
   geom_point()
m1 + geom_quantile(fullrange = TRUE) +
   scale_x_continuous(limits = c(1,9),
                      breaks = waiver(),
                      n.breaks = 8)

m 的第一部分给出了数据集的分位数回归线。对于 p，我可以显示线性回归线预测到 9 的位移。但是对于 m1，我无法扩展回归线。有没有办法让我告诉 ggplot 做这种预测？当然，越简单越好，但我会考虑任何建议。提前致谢！

Answer 1

在引擎盖下，geom_quantile使用quantreg::rq，直接使用它可以产生与使用geom_abline相同的效果非常简单：

mod  <- quantreg::rq(I(1/hwy) ~ displ, tau = c(0.25, 0.5, 0.75), data = mpg)
r_df <- setNames(as.data.frame(t(coef(mod))), c("intercept", "gradient"))

m1 + geom_abline(data = r_df, aes(slope = gradient, intercept = intercept)) +
     scale_x_continuous(limits = c(1,9),
                      breaks = waiver(),
                      n.breaks = 8)

如何扩展分位数回归线 geom_quantile 以在 ggplot 中进行预测？

How can I extend the quantile regression lines geom_quantile to forecast in ggplot?

r

ggplot2

regression

quantile-regression