輕鬆在 ggplot2 圖上顯示迴歸方程式：ggpmisc 套件的 stat_poly_eq()

更新於 2025/09/08發佈於 2025/09/07閱讀時間約 13 分鐘

在資料分析與視覺化中，我們經常需要在散點圖上疊加迴歸線，並直接顯示其統計資訊，例如迴歸方程式和 R² 值。這不僅能讓圖表更具資訊量，也方便讀者快速理解變數間的關係。雖然 ggplot2 本身功能強大，但要自動在圖上顯示這些迴歸細節卻不是那麼直觀。

這時候，ggpmisc 套件就派上用場了！它為 ggplot2 擴展了許多實用的功能，其中最受歡迎的莫過於 stat_poly_eq() 函數，它能讓你輕鬆地將迴歸方程式、R²值、p 值等直接呈現在你的圖表上。

為什麼選擇 `stat_poly_eq()`？

自動化：不再需要手動計算和輸入迴歸方程式或統計值。
整合性：作為 ggplot2 的圖層，完美融入你的視覺化流程。
專業呈現：支援 LaTeX 語法解析，讓數學方程式和統計符號顯示得既美觀又專業。
客製化：提供豐富的參數選項，讓你精確控制顯示的內容和位置。

`stat_poly_eq()` 的基本用法

要使用 stat_poly_eq()，你需要確保已經安裝並載入了 ggplot2 和 ggpmisc 這兩個套件。

# 如果尚未安裝，請先執行以下兩行
 install.packages("ggplot2")
 install.packages("ggpmisc")
 
# 載入所需的套件
library(ggplot2)
library(ggpmisc)

# 使用 R 內建的 mtcars 資料集作為範例
# 我們將繪製車重 (wt) 與每加侖行駛里程 (mpg) 的關係
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() + # 繪製散點圖
  geom_smooth(method = "lm", se = FALSE, color = "blue") + # 添加線性迴歸線 (不顯示信賴區間)
  stat_poly_eq(
    aes(label = paste(stat(eq.label), stat(rr.label), sep = "*\", \"*")), # 定義要顯示的標籤內容
    parse = TRUE # 啟用數學表達式解析，讓方程式和符號正確顯示
  ) +
  labs(
    title = "車重對油耗的線性迴歸分析",
    x = "車重 (千磅)",
    y = "每加侖英里數 (MPG)"
  ) +
  theme_classic() # 使用簡潔的主題

程式碼解析

ggplot(mtcars, aes(x = wt, y = mpg)): 初始化 ggplot 物件，設定資料集和 X、Y 軸的變數。
geom_point(): 添加散點圖層，顯示原始資料點。
geom_smooth(method = "lm", se = FALSE, color = "blue"): 添加平滑曲線圖層。method = "lm" 表示我們要擬合一個線性模型（Linear Model）。se = FALSE 則是不顯示迴歸線的信賴區間，color = "blue" 設定線條顏色。
stat_poly_eq(): 這是 ggpmisc 的核心函數。aes(label = paste(stat(eq.label), stat(rr.label), sep = "*\", \"*")): 這個是魔法發生的地方！

- - stat() 是一個特殊的函數，用於從統計變數中獲取標籤。
  - eq.label 代表迴歸方程式的標籤（例如：y=ax+by=ax+b）。
  - rr.label 代表 R² 值的標籤。
  - paste(..., sep = "*\", \"*") 是將多個標籤連接起來的函數。sep = "*\", \"*" 是一個小技巧，當 parse = TRUE 時，它會被解析為一個逗號和一個空格，讓多個標籤之間有適當的分隔。
  - parse = TRUE: 非常重要！這個參數告訴 ggplot2 將 label 內容解析為數學表達式。這樣R 平方值的上標、等式中的符號等才能正確顯示，而不是純文字

客製化你的統計標籤

stat_poly_eq() 提供了豐富的參數，讓你精確控制顯示的內容和格式：

1. 選擇顯示的統計資訊

你可以在 aes(label = ...) 中使用 stat() 函數搭配不同的統計變數：

- stat(eq.label): 迴歸方程式。
- stat(rr.label): R² 值。
- stat(adj.rr.label): 調整後的 R² 值。
- stat(p.value.label): P 值。
- stat(n.label): 觀察值數量。
- stat(AIC.label), stat(BIC.label): 模型的 AIC 和 BIC 值。
- stat(F.value.label), stat(df.label): F 統計量和自由度。
- stat(s.label): 殘差標準誤。
- stat(cor.coef.label): 相關係數 (R)。

範例：同時顯示方程式、R² 和 P 值

ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "blue") +
  stat_poly_eq(
    aes(label = paste(stat(eq.label),
                      stat(rr.label),
                      stat(p.value.label),
                      sep = "*\", \"*")), # 用逗號分隔多個標籤
    parse = TRUE
  ) +
  labs(title =  expression(paste("迴歸方程式 ", R^2 ," 和 p-value")) ) +
  theme_classic()

2.控制數字的小數位數

你可以使用 rr.digits、p.value.digits、coef.digits 等參數來設定顯示的小數位數。

ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "darkgreen") +
  stat_poly_eq(
    aes(label = paste(stat(eq.label), stat(rr.label), sep = "*\", \"*")),
    rr.digits = 4, # R^2 顯示 4 位小數
    coef.digits = 3, # 係數顯示 3 位小數
    parse = TRUE
  ) +
  labs(title = "調整小數位數") +
  theme_classic()

3. 調整標籤的位置

標籤的預設位置通常在圖表的左上角。可以使用 label.x 和 label.y。

- label.x: 接受 "left", "right" 或數值(1,-1)
- label.y: 接受 "top", "bottom", 或數值(1,-1)

ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "purple") +
  stat_poly_eq(
    aes(label = paste(stat(eq.label), stat(rr.label), sep = "*\", \"*")),
    label.x = "right", 
    label.y = "top", 
    parse = TRUE
  ) +
  labs(title = "手動調整標籤位置") +
  theme_classic()

4. 改變標籤的外觀

你可以像其他 geom_text 或 geom_label 一樣，設定標籤的顏色、大小、字體等。你也可以將 geom 參數從預設的 "text" 改為 "label"，讓標籤帶有背景框。

ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "orange") +
  stat_poly_eq(
    aes(label = paste(stat(eq.label), stat(rr.label), sep = "*\", \"*")),
    label.x = "right", 
    label.y = "top", 
    geom = "label_npc", # 標籤帶有背景框
    color = "darkblue", # 標籤文字顏色
    size = 4, # 標籤文字大小
    fill = "lightyellow", # 標籤背景顏色
    parse = TRUE
  ) +
  labs(title = "客製化標籤外觀") +
  theme_classic()

ggpmisc 套件的 stat_poly_eq() 函數是 ggplot2 用戶的必備工具。它大大簡化了在圖表上直接顯示線性迴歸模型統計資訊的過程，讓你的資料視覺化作品既專業又具資訊量。透過靈活運用其參數，可以輕鬆打造出符合各種需求的迴歸分析圖表。

5.與分面 (Faceting) 結合使用

stat_poly_eq() 的一個強大之處在於，當你使用 facet_wrap() 或 facet_grid() 對圖表進行分面時，它會為每個子圖獨立計算並顯示迴歸統計資訊，這對於比較不同組別的關係非常方便。

# 範例：按汽缸數 (cyl) 分組，繪製不同車型汽缸數的迴歸分析
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "brown") +
  stat_poly_eq(
    aes(label = paste(stat(eq.label), stat(rr.label), sep = "*\", \"*")),
    parse = TRUE
  ) +
  facet_wrap(~ cyl, scales = "free_y") + # 按 cyl 分組，允許 Y 軸自由縮放
  labs(title = "不同汽缸數的迴歸分析",
       x = "車重 (千磅)",
       y = "每加侖英里數 (MPG)") +
  theme_classic()