如何使用gratia绘制对数转换响应的GAM模型并指数化Y轴

要实现用gratia的draw()绘制模型时将Y轴指数化，核心思路是利用draw()返回ggplot对象的特性，结合ggplot2的尺度转换功能来修改Y轴。

方法1：全局转换所有Y轴（适合仅关注拟合值的场景） #

如果希望所有面板的Y轴都应用指数转换，直接在draw()返回的ggplot对象上添加scale_y_continuous()：

library(mgcv)
library(gratia)
library(ggplot2)

# 你的模型代码
gam.mod1 <- gam(log(sum7) ~ tap_type.fac + aq_race___1.factor + cityfac +
                  aq_race___2.factor + aq_race___3.factor + aq_race___4.factor + 
                  aq_race___5.factor + aq_race___99.factor + s(aq_age),
                family = gaussian, 
                data = d2.male)

# 绘制模型并保存为ggplot对象
p <- draw(gam.mod1, residuals = TRUE)

# 对Y轴应用指数转换，并重命名轴标签
p <- p + 
  scale_y_continuous(
    trans = "exp", 
    name = "sum7", 
    guide = guide_axis(check.overlap = TRUE) # 避免标签重叠
  ) +
  facet_wrap(~smooth, scales = "free_y") # 让每个面板Y轴独立缩放

# 显示图形
print(p)

方法2：仅转换拟合值面板的Y轴（残差面板保留原尺度） #

残差是基于对数响应计算的，转换为指数尺度会失去诊断意义，因此可以针对性修改拟合值面板的Y轴：

# 绘制模型并保存为ggplot对象
p <- draw(gam.mod1, residuals = TRUE)

# 遍历所有尺度，仅修改拟合值对应的Y轴
p$scales$scales <- lapply(p$scales$scales, function(scale) {
  if (scale$name == "log(sum7)") {
    scale$trans <- "exp"
    scale$name <- "sum7"
  }
  scale
})

# 显示图形
print(p)

方法3：分开绘制效应图和残差图（更灵活） #

如果需要更精细的控制，可以分别绘制效应图和残差图，再组合：

# 绘制拟合效应图（Y轴指数化）
p_effects <- draw(gam.mod1) +
  scale_y_continuous(trans = "exp", name = "sum7")

# 绘制残差诊断图（保留原尺度）
p_residuals <- appraise(gam.mod1, type = "residuals")

# 用patchwork组合图形（需先安装patchwork包）
library(patchwork)
p_effects / p_residuals

说明 #

• trans = "exp"会自动将对数尺度的Y轴转换为原始尺度，对应你对sum7做的log()转换。
• 残差图保留原尺度更符合模型诊断的逻辑，方法2和3是更推荐的选择。

内容的提问来源于stack exchange，提问作者Eazye