关于R语言修正对数回归方程显示及生成方程汇总数据框的问询

问题1：修正回归方程显示ln(x) #

默认的stat_regline_equation会将log(x)拟合的模型变量显示为x，需要自定义标签格式并开启解析功能来显示ln(x)。修改你的ggplot代码中stat_regline_equation部分如下：

plots <- purrr::map(iris, function(y) {
  ggplot(rotated.plot.data,
         aes(x=instrument.supersaturation, y={{ y }})) + 
    geom_point() + 
    geom_smooth(method="lm", formula = y~log(x)) + 
    stat_regline_equation(
      formula = y~log(x),
      # 自定义方程格式，显示ln(x)
      format_string = "y = {intercept} + {slope}*ln(x)\nR² = {r.squared}",
      parse = TRUE  # 开启LaTeX解析，让ln(x)正确显示
    ) + 
    ylab("Nccn/Ncn") +
    xlab("instrument supersaturation(%)")
})

如果需要更精确的小数位数，可以在format_string中指定，比如{intercept:.2f}来保留两位小数：

format_string = "y = {intercept:.2f} + {slope:.2f}*ln(x)\nR² = {r.squared:.2f}"

问题2：生成对数回归方程汇总数据框 #

直接使用lm()函数拟合模型并提取参数，结合purrr::map_dfr生成汇总数据框，比从ggplot的stat中提取更高效：

library(tidyverse)

# 遍历所有目标列，拟合模型并汇总结果
reg_summary <- purrr::map_dfr(names(iris), function(col_name) {
  # 提取当前列的响应变量和自变量
  model_data <- rotated.plot.data %>%
    select(x = instrument.supersaturation, y = all_of(col_name)) %>%
    drop_na()  # 去除缺失值，避免拟合出错
  
  # 拟合对数回归模型
  lm_model <- lm(y ~ log(x), data = model_data)
  
  # 提取模型参数和统计量
  coefs <- coef(lm_model)
  intercept <- coefs[["(Intercept)"]]
  slope <- coefs[["log(x)"]]
  r_squared <- summary(lm_model)$r.squared
  
  # 返回单条记录的 tibble
  tibble(
    column_name = col_name,
    intercept = round(intercept, 2),
    slope = round(slope, 2),
    r_squared = round(r_squared, 2),
    regression_equation = sprintf("y = %.2f + %.2f*ln(x)", intercept, slope)
  )
})

# 查看结果
print(reg_summary)

这个数据框会包含每一列的名称、回归截距、斜率、R²值，以及完整的回归方程字符串。

内容的提问来源于stack exchange，提问作者Maria