Блог

Я хочу, чтобы была построена линия регрессии, показывающая травоядный ущерб (%) в зависимости от расстояния от экотона. Но, как вы можете видеть, он объединяет все точки данных вместе.

Вот график:

Вот код:

 #plotting herbivory as a function of distance from the ecotone
# Get fitted values for our model 
model_fit <- predict(object = herb.mod, se.fit = T)
# Add these predictions to our original data frame, in a column called fit
leaf.data$fit <- model_fit$fit
# We can then work out the upper and lower bounds of our confidence intervals, adding them to separate columns
leaf.data$upper <- model_fit$fit    2 * model_fit$se
leaf.data$lower <- model_fit$fit  - 2 * model_fit$se

ggplot(data=leaf.data) 
  geom_point(aes(x = distance.from.ecotone, y = mean.herbivory, col=transect)) 
  # add a line for model fit
  geom_line(aes(x = distance.from.ecotone, y = mean.herbivory), size=1.0) 
  # add a ribbon showing the CIs
  geom_ribbon(aes(x = distance.from.ecotone, ymin = lower, ymax = upper), alpha=0.25) 
  # add a title 
  ggtitle("Herbivorous Damage as a Function of Distance from an Ecotone") 
  theme_light()
  

Вы хотите провести линию через средние, а не отдельные точки, поэтому вы можете либо использовать geom_smooth() , либо строить график через среднее значение ваших прогнозов:

 set.seed(111)
leaf.data = data.frame(distance.from.ecotone=rep(seq(5,22.5,by=2.5),each=5))
leaf.data$mean.herbivory = -3*leaf.data$distance.from.ecotone   rnorm(nrow(leaf.data),0,3)   80
leaf.data$transect = rep(c("One","Two"),each=5,times=4)

herb.mod = lm(mean.herbivory~distance.from.ecotone,data=leaf.data)
model_fit <- predict(object = herb.mod, se.fit = T)
leaf.data$fit <- model_fit$fit
leaf.data$upper <- model_fit$fit    2 * model_fit$se
leaf.data$lower <- model_fit$fit  - 2 * model_fit$se
  

Это сработает:

 ggplot(data=leaf.data) 
geom_point(aes(x = distance.from.ecotone, y = mean.herbivory, col=transect)) 
geom_line(aes(x = distance.from.ecotone, y = fit), size=1.0) 
geom_ribbon(aes(x = distance.from.ecotone, ymin = lower, ymax = upper), alpha=0.25)
  

Обратите внимание, что ваши доверительные интервалы также дублируются:

 tail(leaf.data)
   distance.from.ecotone mean.herbivory transect      fit    upper     lower
35                  20.0      13.202012      One 19.05008 20.68734 17.412828
36                  22.5      15.988981      Two 11.55215 13.57185  9.532456
37                  22.5      12.151535      Two 11.55215 13.57185  9.532456
38                  22.5      13.502768      Two 11.55215 13.57185  9.532456
39                  22.5      10.637426      Two 11.55215 13.57185  9.532456
40                  22.5       8.570465      Two 11.55215 13.57185  9.532456
  

Возможно, имеет смысл создать отдельный data.frame для прогнозирования, например:

 pred = data.frame(distance.from.ecotone = 5:23)
model_fit <- predict(herb.mod, pred,se.fit = T)
pred$fit <- model_fit$fit
pred$upper <- model_fit$fit    2 * model_fit$se
pred$lower <- model_fit$fit  - 2 * model_fit$se

ggplot(data=leaf.data) 
geom_point(aes(x = distance.from.ecotone, y = mean.herbivory, col=transect)) 
geom_line(data=pred,aes(x = distance.from.ecotone, y = fit), size=1.0) 
geom_ribbon(data=pred,aes(x = distance.from.ecotone, ymin = lower, ymax = upper), alpha=0.25)