【原】R数据分析：如何绘制回归分析结果的森林图

今天给大家写写如何把你做的模型系数画出来，就是你的模型中自变量都有一个系数和置信区间嘛，那么我们把系数和其置信区间画出来的样子就像是meta中的森林图差不多，所以我把文章起了个绘制回归分析结果的森林图。

有人要问画这个有啥用呢？

你发SCI总能用得到的，虽然中文文章画这个的我没太见着，英文文章很多使用这种森林图展示结果的，下图就是一个例子，所以赶紧收藏一下哦。

实例描述

今天给大家画一个逻辑回归的。

今天的例子为研究GRE，GPA和学校排名是否会影响一个人被录取为研究生，在这个例子中GRE和GPA都是连续变量，学校排名rank为分类变量，是否录取admit为（0/1）二分类。

读入数据拟合模型一气呵成：

mydata <- read.csv('C:/Users/hrd/Desktop/bootcamp/dataset/binary.csv')
mylogit <- glm(admit ~ gre + gpa + rank, data = mydata, family = "binomial")

然后我们可以看一看模型的OR值和置信区间：

exp(cbind(OR = coef(mylogit), confint(mylogit)))

那么要画出模型系数的森林图最简单的就是直接把整个模型喂给plot_model这个函数：

plot_model(mylogit)

注意，我们图中间有个线比较白，这个叫做零作用线，在逻辑回归或者其他的广义线性回归中为1，在一般的线性回归中为o，那么我们可以改变这个线的颜色以示强调：

plot_model(mylogit, vline.color = "red")

当然，我们还可以改变量的排序，比如我想要效应大的自变量首先展示：

plot_model(mylogit, sort.est = TRUE,vline.color = 'blue')

当然了，我们还可以自定义自变量的排序，你只需要把顺序喂给order.items参数就行：

plot_model(mylogit, order.terms = c(3,4, 5, 1, 2))

还有一个比较有用的技巧就是，你可以在图中展示自变量效应的大小和p值：

plot_model(mylogit,show.values = T)

很多情况下你还想改变图的默认标题，也很好办，比如我可以改成我想要的标题：

plot_model(mylogit,show.values = T,title ='关注Codewar,数据处理不迷路，哈哈哈')

这种森林图还有很多技巧，以后给大家一一介绍。

小结