Я получил этот сюжет
Используя код ниже
library(dplyr)
library(ggplot2)
library(ggpmisc)
df <- diamonds %>%
dplyr::filter(cut%in%c("Fair","Ideal")) %>%
dplyr::filter(clarity%in%c("I1" , "SI2" , "SI1" , "VS2" , "VS1", "VVS2")) %>%
dplyr::mutate(new_price = ifelse(cut == "Fair",
price* 0.5,
price * 1.1))
formula <- y ~ x
ggplot(df, aes(x= new_price, y= carat, color = cut)) +
geom_point(alpha = 0.3) +
facet_wrap(~clarity, scales = "free_y") +
geom_smooth(method = "lm", formula = formula, se = F) +
stat_poly_eq(aes(label = paste(..rr.label..)),
label.x.npc = "right", label.y.npc = 0.15,
formula = formula, parse = TRUE, size = 3)
В дополнение к R2, я хочу добавить p-значения в аспекты. Я могу сделать это вручную, запустив сначала регрессию, затем получив p-значения и используя geom_text()
чтобы добавить эти p-значения, аналогичные ответу на этот вопрос.
Есть ли более быстрый или автоматизированный способ сделать это? например, аналогично тому, как были добавлены значения R2.
Обновить
Р-значение, о котором я говорю, это р-значение наклона. Тенденции считаются очень статистически значимыми, когда р <0,005.