ggplot2 : stat ( Statistics )

Last Change: 14-Dec-2014.
author : qh73xe

これは何？

データを可視化する場合，大きく分けて２種類の可視化方法があります． つまり，データを そのまま 可視化する場合と，データに何らかの処理を施し その結果 を可視化する場合です．

ggplot2 の中では前者の処理を行う geom 系の関数と， 後者の処理を行う stat 系の関数があります． このページでは主に後者の可視化方法に関して簡単にまとめておきます．

stat_smooth

stat_smooth は回帰や，loess (局所多項回帰) などの平滑化関数にデータを fitting した際の結果を可視化します．

引数は以下の通りです．

Arguments
引数名 説明 デフォルト値
method データに当てはめる回帰式（例えば，lm, glm, loess など） loes
formula method で使用する定式  
se 信頼区間を表示するか否か True
level 信頼区間のレベル 0.95
fullrange プロットの全領域に平滑化結果を表示する FALSE
geom 出力の表示方法  
n 平滑化を行う点の数  
na.rm 欠損値の削除を警告しないでよいか (bool) FALSE
mapping 普通は aes や aes_string で構成されている デフォルトを上書きするのみ必要
data 対象のデータフレーム デフォルトを上書きするのみ必要
position この層の Overlapping ポイントに使用する位置合わせ  
その他 平滑化関数に渡すその他の引数  

これらの引数のうち，このページで解説するのは，method, formula, se, fullrange のみです．

  • 他の引数は滅多に使用しないので必要に応じて別枠で Tips を書くかもしれません．

基本的な使い方

とりあえずはすべてデフォルトの設定で使用してみます． なお，データには iris を使用します．

library(ggplot2)
data <- iris
ggplot(data, aes(x=Sepal.Length, y=Sepal.Width))+
  geom_point(aes(colour=Species)) +
  stat_smooth()
  • colour を geom_point で指定しているのは stat_smooth の結果を一本にしたかったためです．
../../../../../../_images/stat_smooth1.png

単回帰

引数の項目を見ていただけば分かるように， method を指定することで様々なアルゴリズムが使用できます． 例えば単回帰を行って見ます．

library(ggplot2)
data <- iris
ggplot(data, aes(x=Sepal.Length, y=Sepal.Width))+
  geom_point(aes(colour=Species)) +
  stat_smooth(method="lm")
../../../../../../_images/stat_smooth2.png

iris のデータは setosa のみ変な分布をしているので， factor ごとにわけで回帰をしたい場合もあります． こういう際には colour で指定すると楽です（すべての factor をわけで回帰したい場合は）

library(ggplot2)
data <- iris
ggplot(data, aes(x=Sepal.Length, y=Sepal.Width, colour=Species))+
  geom_point() +
  stat_smooth(method="lm")
../../../../../../_images/stat_smooth3.png

一般化線形モデル

ではもう少し難しいモデルとして glm を使用してみます． x も y も連続量で, 下限は 0 以上なので，とりあえずガンマ分布を仮定してみます．

library(ggplot2)
data <- iris
ggplot(data, aes(x=Sepal.Length, y=Sepal.Width, colour=Species))+
  geom_point() +
  stat_smooth(method="glm", family=Gamma)
../../../../../../_images/stat_smooth4.png

念の為ガウシアンも検討してみましょう．

ggplot(data, aes(x=Sepal.Length, y=Sepal.Width, colour=Species))+
  geom_point() +
  stat_smooth(method="glm", family=gaussian)
../../../../../../_images/stat_smooth5.png

family の項目は上の引数リストの中にはありません． stat_smooth では使用する method に応じた引数を新規に追加することもできます（上の引数表でその他と書いた部分のことです）.

その他オプション

信頼区間を表示したくないときには se=F とします．

ggplot(data, aes(x=Sepal.Length, y=Sepal.Width, colour=Species))+
  geom_point() +
  stat_smooth(method="glm", family=Gamma)
../../../../../../_images/stat_smooth6.png

データポイントのみではなく，プロット全体に回帰線を書きたい場合は fullrange=T とします．

ggplot(data, aes(x=Sepal.Length, y=Sepal.Width, colour=Species))+
  geom_point() +
  stat_smooth(method="glm", family=Gamma, fullrange = TRUE) + facet_grid(. ~ Species)
../../../../../../_images/stat_smooth7.png

計算された値が欲しい

あまり，可能性は高くないですが，stat_smooth は何らかの平滑化関数の結果を 計算 し， 可視化しているわけですから，その計算結果を 数値 として欲しい場合もあるかもしれません．

あまり（に） 美しくない形ですが，以下のような表現が可能です．

g<- ggplot(data, aes(x=Sepal.Length, y=Sepal.Width))+
  geom_point(aes(colour=Species)) + 
  stat_smooth(method="lm", aes(outfit=fit<<-..y..))

fit

class(g)
str(g)

結果:

[1] 3.152842 3.150022 3.147202 3.144382 3.141562 3.138742 3.135922 3.133102 3.130282 3.127462 3.124642 3.121821 3.119001 3.116181 3.113361
[16] 3.110541 3.107721 3.104901 3.102081 3.099261 3.096441 3.093621 3.090801 3.087981 3.085161 3.082341 3.079520 3.076700 3.073880 3.071060
[31] 3.068240 3.065420 3.062600 3.059780 3.056960 3.054140 3.051320 3.048500 3.045680 3.04286 0 3.040040 3.037219 3.034399 3.031579 3.028759
[46] 3.025939 3.023119 3 .020299 3.017479 3.014659 3.011839 3.009019 3.006199 3.003379 3.000559 2.997739 2.994918 2.992098 2.989278 2.986458
[61] 2.983638 2.980818 2.977998 2.9 75178 2.972358 2.969538 2.966718 2.963898 2.961078 2.958258 2.955438 2.952617 2.949797 2.946977 2.944157
[76] 2.941337 2.938517 2.935697 2.932877 2.930057

指定して有意義である値は大体以下の値かと思います．

  • y, 予測値
  • ymin, 図示された信頼区間の各下辺
  • ymax, 図示された信頼区間の各上辺
  • se, 標準誤差

補足すると， aes 関数は outfit という項目を含めて， これは 変数名 <<- ..欲しいもの.. とすると変数名にほしい物を入れてくれるようです．