手动绘制logistic回归预测模型校准曲线（Calibration curve）（1）

校准曲线图表示的是预测值和实际值的差距，作为预测模型的重要部分，目前很多函数能绘制校准曲线。
一般分为两种，一种是通过Hosmer-Lemeshow检验，把P值分为10等分，求出每等分的预测值和实际值的差距


另外一种是calibration函数重抽样绘制连续的校准图

今天我们来演示第一种，手动绘制的好处在于加深你对绘图的理解，而且能个性化的进一步处理图形。第一种绘图本质就是我们的折线图，上一章《R语言绘制带误差和可信区间的折线图》我们已经介绍了怎么绘制折线图，只要求出相关数据就可以了。
我们先导入数据，继续使用我们的早产数据，

library(ggplot2)
library(rms)
bc<-read.csv("E:/r/test/zaochan.csv",sep=',',header=TRUE)

这是一个关于早产低体重儿的数据（公众号回复：早产数据，可以获得该数据），低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数，bwt 新生儿体重数值。
我们先把分类变量转成因子

bc$race<-ifelse(bc$race=="black",1,ifelse(bc$race=="white",2,3))
bc$smoke<-ifelse(bc$smoke=="nonsmoker",0,1)
bc$race<-factor(bc$race)
bc$ht<-factor(bc$ht)
bc$ui<-factor(bc$ui)

建立回归方程

fit<-glm(low ~ age + lwt + race + smoke + ptl + ht + ui + ftv,
         family = binomial("logit"),
         data = bc)

得出预测概率

pr1 <- predict(fit,type = c("response"))#得出预测概率
p = pr1

使用order函数对P值排序，这里注意一下，order§排的是位置

sor <- order(p)

P值按order来排列

p <- p[sor]

Y值也按order来排列

y = bc[, "low"]
y <- y[sor]

把P值分为10个等分区间

groep <- cut2(p, g = 10)

计算每个等分的P值和Y值

meanpred <- round(tapply(p, groep, mean), 3)
meanobs <- round(tapply(y, groep, mean), 3)

绘图

plot(meanpred, meanobs)

修饰一下，好像稍微好看了点

plot(meanpred, meanobs,xlab = "Predicted risk", 
     ylab = "Observed risk", pch = 16, ps = 2, xlim = c(0, 1), 
     ylim = c(0, 1), cex.lab = 1.2, cex.axis = 1.1, 
     las = 1)
abline(0, 1, col = "grey", lwd = 1, lty = 1)

我们还可以和上一篇文章《R语言绘制带误差和可信区间的折线图》一样算出它的标准误，以便进一步计算可信区间

计算可信区间后可以进一步绘图

ggplot(matres, aes(x=meanpred, y=meanobs)) + 
  geom_errorbar(aes(ymin=meanobs-1.96*se, ymax=meanobs+1.96*se), width=.02)

添加对角线

ggplot(matres, aes(x=meanpred, y=meanobs)) + 
  geom_errorbar(aes(ymin=meanobs-1.96*se, ymax=meanobs+1.96*se), width=.02)+
  annotate(geom = "segment", x = 0, y = 0, xend =1, yend = 1)+
  expand_limits(x = 0, y = 0) + 
  scale_x_continuous(expand = c(0, 0)) + 
  scale_y_continuous(expand = c(0, 0))+
  geom_point()+
  xlab("预测概率")+
  ylab("实际概率")

进一步修饰

ggplot(matres, aes(x=meanpred, y=meanobs)) + 
  geom_errorbar(aes(ymin=meanobs-1.96*se, ymax=meanobs+1.96*se), width=.02)+
  annotate(geom = "segment", x = 0, y = 0, xend =1, yend = 1)+
  expand_limits(x = 0, y = 0) + 
  scale_x_continuous(expand = c(0, 0)) + 
  scale_y_continuous(expand = c(0, 0))+
  geom_point(size=3, shape=21, fill="white")+
  xlab("预测概率")+
  ylab("实际概率")

使用PredictABEL包的plotCalibration函数来验证一下我们计算的正确性

library(PredictABEL)
plotCalibration(data = bc,
                cOutcome = 2,#结果在第几行就选几
                predRisk = pr1,
                groups = 10,
                rangeaxis = c(0,1))

和我们手工计算完全一致，证明我们算得没有问题。目前也比较流行使用重抽样的方法获取可信区间，将在今后章节介绍。OK，本期到此结束。需要全部代码的请公众号回复：代码。