当我在ggplot中绘制数据并添加回归线时,根据哪个变量定义为x和y,我得到不同的斜率。我预计这些情节只是反映出来,但事实并非如此。我错过了什么吗?
# create example data
v1 <- c(0.5, 0.8, 0.8, 0.8, 0.7, 0.9, 0.8, 0.7, 0.8, 0.7, 0.5, 0.6, 0.6, 0.6, 0.7,
0.3, 0.5, 0.8, 0.9, 0.5, 0.8, 0.9, 0.8, 0.7, 0.6, 0.6, 0.8, 0.6, 0.4, 0.6)
v2 <- c(0.6, 0.9, 0.8, 0.8, 0.7, 0.8, 0.9, 0.3, 0.9, 0.7, 0.4, 0.7, 0.6, 0.7, 0.7,
0.0, 0.5, 0.7, 0.7, 0.4, 0.8, 0.8, 0.8, 0.8, 0.7, 0.4, 0.8, 0.5, 0.6, 0.6)
test1 <- data.frame(cbind(v1,v2))
# plot once with v1 as x and v2 as y and visa versa
ggplot(test1, aes(x=v1, y=v2)) +
geom_point() +
geom_smooth(data= test1, method=lm,aes(x=v1, y=v2)) +
xlim(c(0,1))+ylim(c(0,1)) +
geom_abline(col = "black")
ggplot(test1, aes(x=v2, y=v1)) +
geom_point() +
geom_smooth(data= test1, method=lm,aes(x=v2, y=v1)) +
xlim(c(0,1))+ylim(c(0,1)) +
geom_abline(col = "black")
当你调用geom_smooth()
时,它会计算y = a + bx
形式的简单线性回归(或OLS回归)的斜率。
考虑到y
变量的值,OLS就是试图提出x
变量的最佳预测。考虑到x
变量的值,这与尝试提出y
变量的最佳预测是不同的目标。
因此,如果您将aes(x = v1, y = v2)
的顺序更改为aes(x = v2, y = v1)
,那么您将使用geom_smooth()
来实现两个不同的,不同的目标。
想象一下,您有以下数据集:
当您运行y ~ x
的OLS回归时,您会得到以下模型
y = 0.167 + 1.5*x
这通过进行以下预测来优化y
的预测,这些预测具有相关的错误:
OLS回归的预测在最右列中的值的总和(即,平方和)尽可能小的意义上是最优的。
当你运行x ~ y
的OLS回归时,你想出了一个不同的模型:
x = -0.07 + 0.64*y
这通过进行以下预测以及相关错误来优化x的预测。
同样,这是最优的,即最右边的列的值的总和尽可能小(等于0.071
)。
现在,假设您试图使用代数反转第一个模型y = 0.167 + 1.5*x
,为您提供模型x = -0.11 + 0.67*x
。
这将为您提供以下预测和相关错误:
最右边一列中的值之和是0.074
,它大于你在y上回归x得到的模型的相应和,即x ~ y
模型。换句话说,“倒置”模型比简单的x ~ y
回归模型做得更差。