该图的具体实现是由R包regplot实现,该包是今年9月13日在R官网上发布的新包,包具体信息截图如下: 包中只有一个函数regplot: 关键几个参数的意义如下: reg: 需要拟合的模型式子,可以是广义线性模型(glm),线性(lm),生存分析(cox比例风险模型); dummies:哑变量设置模型,如果选择TRUE,则对于模型中的分类变量,当做哑变量处理,否则分类变量一律平等对待; observation:这里可以具体制定某个观测显示在图上,上图中红色的点,代表某个观测的值; other:这个参数里面包括一些格式上的参数,诸如图形颜色等参数。 具体例子: 数据来自梅奥诊所在1974至1984年间进行的原发性胆汁性肝硬化(PBC)的临床试验,共有424例PBC患者。 该数据封装在R包survival里,我们可以直接调用。
如果是做logistic 回归,代码模型拟合函数修改为glm即可:
以上代码是作者封装好后的代码,按照以上代码在R中直接运行即可。图形显示主要是box的形式,当然作者指出可以是小提琴图等其他格式,这个需要在源码中更改调整。 作者在github的源码链接: https://github.com/cran/regplot/blob/master/R/regplot.R 贴一张截图,可以是这些形式的图形。 PS:本人在寻找nomogram背后的R源代码,希望对图形从底层做出调整。有人有源代码可以分享一下吗?谢谢! 本公众号每周二四更新文章,如有增刊将安排在周六/日。也请大家多提宝贵意见,谢谢! 部分精彩历史文章: 04:如何在R软件中求一致性指数(Harrell'concordance index:C-index)? 05:Nomogram 绘制原理及R&SAS实现. 06 :Lasso方法简要介绍及其在回归分析中的应用 07 : 最优模型选择中的交叉验证(Cross validation)方法 08 : 用R语言进行分位数回归(Quantile Regression) 09 : 样本数据中异常值(Outliers)检测方法及SPSS & R实现 10 : 原始数据中几类缺失值(Missing Data)的SPSS及R处理方法 11 : [Survival analysis] Kaplan-Meier法之SPSS实现 12 : [Survival analysis] COX比例风险回归模型在SPSS中的实现 13 : 用R绘制地图:以疾病流行趋势为例 14 : 数据挖掘方法:聚类分析简要介绍 及SPSS&R实现 15 : 医学研究中的Logistic回归分析及R实现 16 : 常用的非参数检验(Nonparametric Tests)总结 17 : 高中生都能看懂的最小二乘法原理 18 : R语言中可实现的常用统计假设检验总结(侧重时间序列) 19 : 如何根据样本例数、均数、标准差进行T-Test和ANOVA 20 : 统计学中自由度的理解和应用 21 : ROC和AUC介绍以及如何计算AUC 22 : 支持向量机SVM介绍及R实现 23 : SPSS如何做主成分分析? 24 : Bootstrap再抽样方法简介 25 : 定量测量结果的一致性评价及 Bland-Altman 法的应用 26 : 使用R绘制热图及网络图 27 : 几种常用的双坐标轴图形绘制 28 : 遗失的艺术—诺谟图(Nomogram) 29 : Nomogram 绘制原理及R&SAS实现(二) 30 : WOE:信用评分卡模型中的变量离散化方法 32 : 重复测量的多因素方差分析SPSS实现操作过程 |
|