空格本文介绍ggplot2在统计分析可视化中的应用。 文中通过五张图，介绍一种简单的分析思路：单因素分析——多因素分析——分层分析——综合分析。
单因素分析
空格有时候，面对一个数据集，可能不知如何下手，尤其是导师没有设定课题，要自定题目。更有时候，查阅了很多文献，想到了一个稍微新颖的题目，于是开始分析数据，却发现单因素已然无统计学意义。只好更换题目。下图将展示了一个单因素logistic回归模型的结果。
空格做图前，通过循环，分别对数据集中每个自变量建立logistic, 依据S3类方法对glm对象提取感兴趣的OR值、置信区间等，放入提前建立的空数据框，储存每次循环的结果。然后用ggplot2展示结果，由此，根据变量的OR值及专业知识等，可进行选题。至少选择单因素分析有统计学意义的危险因素。由于这里只谈论图形，数据操作部分的代码略去。代码和结果如下：(点击图片可以放大查看)
多因素回归
空格单因素分析后，由于可能的混杂效应，要做调整其他可能混杂因素的多因素分析，下图左侧展示了多因素COX回归的HR, 右侧展示了单因素COX回归的HR。图中采用了ggplot2中的facet函数。代码和结果如下：
亚组分析
空格单因素、多因素分析后，如果进行亚组分析，可以探究修饰效应，更能增多统计结果，从多角度论证自己研究因素的价值。下图中，分性别，在不同血压水平、是否大于50岁的多个亚组中探究自变量的RR值变化，其中“NWNT”为参考组(RR值为1)。
空格上图虽然简洁明了，但却很少出现在杂志中，下图是它的变身，提供了相似的信息，可以经常在文献中看到(代码略)。
综合作图
空格上述展示了单因素分析、多因素分析及分层分析的结果。下图是它们的综合。图中自变量是连续型变量，采用不同的节点(如四分位间距、临床有意义的界值等)分为四组，分别对应facet的每一行，均以group1为参考组。每一列表示不同的亚组及不断加入的调整因素，如both代表总人群(前5列)，female为女性人群(中5列)，male为男性人群(后5列)，相应的不断加入调整因素年龄、BMI、疾病史等。可以看到采用第三行：四分位间距对自变量分组，可以避免OR值在1上下波动的问题(提示：同样的变量，不同的处理方式，可能会得到不同的结论)。且随着矫正因素的加入，OR值变化逐渐变缓。图中，关于每个格子的大红点：对探究因素采用不同分组方式，其分组的中位数作为自变量纳入对应模型(做趋势性检验)，由于趋势性p值均小于0.01，对其系数进行标化，红点的面积代表系数的大小。也可看出，在不同人群中，随着矫正因素的增多，红点变小，进一步提示可能存在的混杂因素。结合OR值，可以看出，自变量按四分位间距处理，总人群中发现自变量是危险因素。主要是女性中比较明显，而在男性中，进一步调整其他因素后，无统计学意义。
参考文献：
https://www.R-project.org/
http://had.co.nz/ggplot2/book/
感谢韩西坤的撰稿！
欢迎关注【统计咨询】微信公众号！
联系客服
