条形统计图是用一个单位长度表示一定的数量,根据数量的多少画成长短不同的直条.带误差的条形图可以通过误差线来判断显著性。
继续使用我们的汽车销售数据（公众号回复：汽车销售，可以获得该数据）来演示，先导入数据
library(foreign)
library(ggplot2)
library(tidyverse)
bc <- read.spss("E:/r/test/tree_car.sav",
use.value.labels=F, to.data.frame=T)
names(bc)
我们来看下数据，car就是汽车售价，age是年龄，gender是性别，inccat是收入，这里分成4个等级，ed是教育程度。
假设我们想知道不同教育水平的男女在买汽车的价格上有什么不同，可绘制带误差和可信区间的折线图，关键就是要算出它的标准误se和95%ci.
我们先生成一个计算标准误se和95%ci的自定义函数，这是国外一位大佬设计的函数，我见好用直接搬运过来了。
summarySE <- function(data=NULL, measurevar, groupvars=NULL, na.rm=FALSE,
conf.interval=.95, .drop=TRUE) {
library(plyr)
# New version of length which can handle NA's: if na.rm==T, don't count them
length2 <- function (x, na.rm=FALSE) {
if (na.rm) sum(!is.na(x))
else length(x)
}
# This does the summary. For each group's data frame, return a vector with
# N, mean, and sd
datac <- ddply(data, groupvars, .drop=.drop,
.fun = function(xx, col) {
c(N = length2(xx[[col]], na.rm=na.rm),
mean = mean (xx[[col]], na.rm=na.rm),
sd = sd (xx[[col]], na.rm=na.rm)
)
},
measurevar
)
# Rename the "mean" column
datac <- rename(datac, c("mean" = measurevar))
datac$se <- datac$sd / sqrt(datac$N) # Calculate standard error of the mean
# Confidence interval multiplier for standard error
# Calculate t-statistic for confidence interval:
# e.g., if conf.interval is .95, use .975 (above/below), and use df=N-1
ciMult <- qt(conf.interval/2 + .5, datac$N-1)
datac$ci <- datac$se * ciMult
return(datac)
}
生成函数后，我们使用自定义函数summarySE生成标准误se和95%ci. Measurevar填入你要衡量比较的指标，这里填入汽车售价，groupvars这里填入性别和教育程度。
carss<- summarySE(bc, measurevar="car", groupvars=c("gender","ed"))
生成了我们需要的做图数据
画条形图和画折线图不同的是，教育这个指标我们要转换成分类变量
carss$ed <- factor(carss$ed)转换好以后就可以做图了，先做一个带误差线的
ggplot(carss, aes(x=ed, y=car, fill=gender)) +
geom_bar(position=position_dodge(), stat="identity") +
geom_errorbar(aes(ymin=car-se, ymax=car+se),
width=.2, # Width of the error bars
position=position_dodge(.9))
画个带置信区间的
ggplot(carss, aes(x=ed, y=car, fill=gender)) +
geom_bar(position=position_dodge(), stat="identity") +
geom_errorbar(aes(ymin=car-ci, ymax=car+ci),
width=.2, # Width of the error bars
position=position_dodge(.9))
进行美化一下，一个可以用于发表的图就做成了
如何利用置信区间来判断显著性
到此这篇关于R语言绘制带误差线的条形图的文章就介绍到这了,更多相关R语言 带误差线条形图内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
