之前的推文参考《R语言实战》介绍了R语言做Logistic回归分析的简单小例子，今天的推文继续，介绍一些Logistic回归分析结果的展示方法。
在文献中，我们常常看到以表格的形式展示各种回归结果（如Logistic回归，多重线性，Cox回归等），比如2019年发表在 Environment International 上的论文 Exposure of metals and PAH through local foods and risk of cancer in a historically contaminated glassworks area
image.png
image.png
就采用表格的形式展示Logistic回归分析的结果，上述表格把有统计学意义的结果进行了加粗，使得读者看起来不那么费劲。那么，有没有更加直观的方法展示回归结果呢？当然有，那就是森林图。近年来，越来越多文献用森林图来展示回归的结果。接下来我们一起来学习一下如何用R作森林图。
第一步是准备数据
森林图展示的数据通常是Logistic回归分析的系数和95%置信区间以及显著性检验的P值，那么如何获得这些结果呢？
logistic回归分析的代码
data(Affairs,package = "AER")
df<-Affairs
df$ynaffairs<-ifelse(df$affairs>0,1,0)
df$ynaffairs<-factor(df$ynaffairs,
levels = c(0,1),
labels = c("No","Yes"))
fit.full<-glm(ynaffairs~gender+age+yearsmarried+
children+religiousness+education+occupation+rating,
data=df,family = binomial())
fit.result<-summary(fit.full)
df1<-fit.result$coefficients
df2<-confint(fit.full)
df3<-cbind(df1,df2)
df4<-data.frame(df3[-1,c(1,4,5,6)])
df4$Var<-rownames(df4)
colnames(df4)<-c("OR","Pvalue","OR_1","OR_2","Var")
df5<-df4[,c(5,1,2,3,4)]
df5$OR_mean<-df5$OR
df5$OR<-paste0(round(df5$OR,2),
"(",
round(df5$OR_1,2),
"~",
round(df5$OR_2,2),
")")
df5$Pvalue<-round(df5$Pvalue,3)
write.csv(df5,file = "forestplot_example.csv",
quote = F,row.names = F)
导出数据以后需要自己手动添加一行，
最终作图的数据如下
image.png
这里准备数据的过程稍微有些繁琐了，不知道大家有没有简便的方法呢？欢迎留言讨论呀！
接下来作图使用forestplot这个包
首先是安装
install.packages("forestplot")
读入数据并作图
library(forestplot)
fp<-read.csv("forestplot_example.csv",header=T)
forestplot(labeltext=as.matrix(fp[,1:3]),
mean=fp$OR_mean,
lower=fp$OR_1,
upper=fp$OR_2,
zero=0,
boxsize=0.2,
graph.pos=2)
image.png
接下来是简单的美化
forestplot(labeltext=as.matrix(fp[,1:3]),
mean=fp$OR_mean,
lower=fp$OR_1,
upper=fp$OR_2,
zero=0,
boxsize=0.2,
lineheight = unit(7,'mm'),
colgap=unit(2,'mm'),
lwd.zero=1.5,
lwd.ci=2,
col=fpColors(box='#458B00',
summary='#8B008B',
lines = 'black',
zero = '#7AC5CD'),
xlab="OR",
lwd.xaxis =1,
txt_gp = fpTxtGp(ticks = gpar(cex = 0.85),
xlab = gpar(cex = 0.8),
cex = 0.9),
lty.ci = "solid",
title = "Forestplot",
line.margin = 0.08,
graph.pos=2)
image.png
欢迎大家关注我的公众号
小明的数据分析笔记本
