散点图绘制回归曲线很常用，那么添加上回归方程，P值，R2或者方差结果表等可以展示更量化的信息。
那加起来复杂吗？还真不一定！
一 载入数据和R包
使用内置数据集
library(ggplot2) #加载ggplot2包
library(dplyr) #加载dplyr包
library(ggpmisc) #加载ggpmisc包
#展示 使用Species为setosa的亚集
iris2 <- subset(iris,Species == "setosa")
二 回归曲线的可能性
1， 绘制点图，添加回归线
#散点图
p <- ggplot(iris2, aes(Sepal.Length, Sepal.Width)) +
geom_point(color = "grey50",size = 3, alpha = 0.6)
#回归线
#添加回归曲线
p + stat_smooth(color = "skyblue", fill = "skyblue", method = "lm")
2， 连接点到线
p +
stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm")+
stat_fit_deviations(formula = y ~ x, color = "skyblue")
3，添加回归公式
stat_poly_eq参数添加公式，内含参数可调整位置等
p +
stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") +
stat_poly_eq(
aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')),
formula = y ~ x, parse = TRUE,
size = 5, #公式字体大小
label.x = 0.1, #位置 ，0-1之间的比例
label.y = 0.95)
4， 添加方差结果表
p + ylim(2,5) +
stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") +
stat_poly_eq(
aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')),
formula = y ~ x, parse = TRUE,size = 3,label.x = 0.1, label.y = 0.99) +
stat_fit_tb(tb.type = 'fit.anova',
label.y.npc = "top", label.x.npc = "left",
)
注：此处仅为展示 ，label.y.npc 为另一种调整位置的方式 ，用label.y可完全避免重叠
如担心方差表和公示与图重叠，可以通过ggplot2 的 ylim和xlim适当调整，然后调整位置即可。
5，细节优化方差表
上述方差表中的行名，列名，以及NA，，，稍加调整后，看起来更“专业”！
p + ylim(2,5) +
stat_smooth(color = "skyblue", formula = y ~ x,fill = "skyblue", method = "lm") +
stat_poly_eq(
aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~')),
formula = y ~ x, parse = TRUE,size = 4,label.x = 0.1, label.y = 0.95) +
stat_fit_tb(method = "lm",
method.args = list(formula = y ~ x),
tb.type = "fit.anova",
tb.vars = c(Effect = "term",
"df",
"M.S." = "meansq",
"italic(F)" = "statistic",
"italic(P)" = "p.value"),
label.y = 0.87, label.x = 0.1,
size = 4,
parse = TRUE
) +
theme_classic()
其他：既然是ggplot2的扩展包，ggplot2的一些参数亦可使用：
ggplot2|theme主题设置，详解绘图优化-“精雕细琢”
参考资料：
https://github.com/cran/ggpmisc
◆ ◆ ◆ ◆ ◆
精心整理（含图版）|R语言生信分析，可视化，你要的全拿走，建议收藏！