6  回帰直線と式を描く

散布図に 回帰直線 を引き、式(y = ax + b)・決定係数 R²・p 値 を書き込む図を作ります。 くちばしの 長さ と 深さ の関係を使います。

6.1 回帰直線と信頼帯

geom_smooth() は、何も指定しないと 局所回帰(loess)などの曲線 を描きます。直線にしたいときは、必ず method = "lm" を指定します。

seaborn の regplot() の帯は、既定で ブートストラップ(乱数)で計算した 95% 信頼区間 です。seed= で再現できるようにします。

くちばしが長いほど、浅い(右下がり)ように見えます。この直線の式を求めて、図に書き込みます。

6.2 式・R²・p 値を計算する

scipy.stats.linregress() は、1 変数の直線回帰の傾き・切片・相関係数・p 値を返します。複数の変数を使うなら statsmodels を使います(後述)。

y = −0.085x + 20.89、R² = 0.055、p = 1.1 × 10⁻⁵ です。

6.2.1 式を文字列にする:符号に注意

切片が負のとき、そのまま paste すると「y = 0.2x + -5.3」になってしまいます。符号を見て「+」「−」を切り替える関数を作っておきます。ついでに、ハイフン(-)を数学のマイナス記号(−、U+2212)に置き換えます。

6.3 式を図に書き込む:「データの座標」と「パネルの座標」

テキストの位置の指定には、2 つの考え方があります。

  • データの座標:x = 55 mm、y = 21 mm のように、軸の値で指定する。データが変わると、はみ出したり点と重なったりする
  • パネルの座標:「パネルの左上から 5% の位置」のように、図の枠に対する割合で指定する。どんなデータでも同じ場所に置ける

式のような注記は、パネルの座標 で置くのが便利です。

ggplot2 では、位置に -Inf / Inf を指定すると、パネルの端になります。hjust・vjust(文字の基準点。0 が左・下、1 が右・上)で内側に寄せます。

matplotlib では、transform=ax.transAxes を指定すると、位置が パネルの座標(0〜1)になります。ha・va は文字の基準点です。座標変換は第 9 章で詳しく扱います。

6.4 数式の書式:上付き・斜体

R² の「2」を上付きにしたり、変数を斜体にしたりするには、数式の書式を使います。

parse = TRUE にすると、ラベルが R の plotmath(数式の書き方)として解釈されます。^ で上付き、italic() で斜体、== で等号、%*% で ×、~ で空白、* で連結です。

matplotlib では、$...$ で囲むと mathtext(LaTeX に似た数式の書き方)になります。^ で上付き、\times で ×、{} で範囲を指定します。 $...$ の中では日本語が使えないので、日本語は $ の外に書きます。

6.5 群ごとに直線と式を描く

ここで、種ごとに色を分けてみます。

式を 1 行ずつずらす ために、vjust を行番号で増やしています(vjust は文字の高さを単位にしたずれ)。式が点と重ならないように、expansion() で縦軸の上に余白を作っています。

6.6 シンプソンのパラドックス

3 種をまとめた直線(黒の破線)は 右下がり(傾き −0.085)なのに、どの種の中でも右上がり(傾き 0.18〜0.22)です。

  • 種の中では、くちばしが長い個体ほど深い
  • しかし、ジェンツーは「長くて浅い」くちばしを持つ種なので、3 種をまとめると右下がりに見える

群を分けずに回帰直線を引くと、関係の向きまで逆になる ことがあります(記述統計ハンズオン 第 1 章、交絡ハンズオン)。 モデルでは、種を一緒に入れると、種の中での傾きが推定できます。

種で調整した傾きは 0.20 で、種ごとの傾きに近い値になります。

6.7 信頼帯と予測帯

geom_smooth() や regplot() の帯は、回帰直線(平均)の 95% 信頼区間 です。「新しい 1 羽の値がどこに入りそうか」を示す 予測区間 は、ずっと広くなります。

重要この章のまとめ
  • 直線は ggplot2 なら geom_smooth(method = "lm")(指定しないと曲線)、seaborn なら regplot()(帯はブートストラップ)
  • 式は 自分で計算して文字列に する。負の切片の符号に注意
  • 注記は パネルの座標 に置く(ggplot2 は -Inf/Inf と hjust/vjust、matplotlib は transform=ax.transAxes)
  • 上付き・斜体は、R の plotmath(parse = TRUE)、matplotlib の mathtext($...$)
  • 群ごとの直線と全体の直線は 向きが逆になりうる(シンプソンのパラドックス)
  • 帯は 直線の信頼区間。個体の値の範囲は 予測区間