R ggplot2实现多因变量线性模型分面毛毛虫图绘制咨询

核心思路：长格式转换后按因变量分组批量拟合模型，统一提取系数后直接用ggplot分面绘制，无需单独绘图再拼接。 #

依赖包加载 #

首先加载需要用到的包，注意提取模型系数的tidy()函数来自broom包，不是tidytext，你之前的参考代码存在包名笔误：

library(ggplot2)
library(dplyr)
library(tidyr)
library(broom)

批量拟合模型提取系数 #

你之前的长格式转换逻辑是正确的，搭配group_modify()即可对每个因变量分组单独运行线性模型，一次性提取所有模型的系数，不需要手动拆分数据循环建模：

# 构造测试数据集
x1 <- c(1,2,3,4,5)
x2 <- c(4,5,6,1,2)
x3 <- c(7,8,3,2,1)
x4 <- c(3,4,5,6,7)
y1 <- c(10,9,11,18,13)
y2 <- c(12,20,21,19,11)
y3 <- c(18,16,12,11,18)
df <- data.frame(x1, x2, x3, x4, y1, y2, y3)

# 批量建模提取系数
coef_df <- df %>%
  pivot_longer(cols = c(y1, y2, y3), names_to = "dv", values_to = "y") %>%
  group_by(dv) %>%
  # 对每个分组的因变量拟合全自变量线性模型，直接提取系数表
  group_modify(~ tidy(lm(y ~ x1 + x2 + x3 + x4, data = .x))) %>%
  # 可选：过滤掉截距项，仅保留自变量系数
  filter(term != "(Intercept)")

group_modify()会自动遍历每个因变量分组，传入的.x代表当前分组对应的子数据集，无需额外写循环拆分数据。

分面绘图 #

得到统一格式的系数表后，直接绘制带95%置信区间的标准毛毛虫图，通过facet_wrap()实现分面效果：

ggplot(coef_df, aes(x = estimate, y = term)) +
  # 绘制95%置信区间误差线
  geom_errorbarh(
    aes(xmin = estimate - 1.96*std.error, xmax = estimate + 1.96*std.error),
    height = 0.2, color = "grey60", linewidth = 1
  ) +
  # 绘制系数点
  geom_point(size = 3, color = "#2166ac") +
  # 添加x=0参考线（系数为0的无效应基准线）
  geom_vline(xintercept = 0, linetype = "dashed", color = "#b2182b") +
  # 按因变量分面，可通过ncol/nrow调整分面排列方式
  facet_wrap(~dv, ncol = 1, scales = "free_x") +
  # 调整标签与主题
  labs(
    x = "回归系数估计值（95%置信区间）",
    y = "自变量",
    title = "多因变量回归系数毛毛虫图"
  ) +
  theme_bw()

常用调整选项 #

• 需要保留截距项展示时，删除filter(term != "(Intercept)")代码即可
• 需要横向排列分面时，将facet_wrap()中的ncol = 1修改为nrow = 1
• 需要标记显著性结果时，可在coef_df中新增显著性判断列，将该列映射到geom_point()和geom_errorbarh()的color美学即可

内容的提问来源于stack exchange，提问作者Ashu