RCS（限制立方样条图）ggrcs包

致敬天桥下的卖艺者，零基础说科研，写的ggrcs包新的2.6版本已经在CRAN上线，增加了多元线性回归分析模块，现在支持逻辑回归（logistic回归）、cox回归和多元线性回归

需要的可以使用代码安装

install.packages("ggrcs")

如果原来安装了旧版本，可以通过Rstudio进行升级

这样就可以升级到最新版本了，新版本修正了一些前期的错误和增加了绘制多元线性回归分析RCS模块，以我的臭氧数据（公众号回复：臭氧数据，可以获得数据）为例子，演示一下，先导入R包和数据

library(rms)library(ggplot2)library(scales)library(ggrcs)library(foreign)be <-read.spss("E:/r/test/ozone.sav", use.value.labels=F,to.data.frame=T)  #臭氧数据

数据中有七个变量，ozon每日臭氧水平为结局变量，Inversion base height（ibh）反转基准高度，Pressure gradient (mm Hg) 压力梯度（mm Hg），Visibility (miles) 能见度（英里），Temperature (degrees F) 温度（华氏度），Day of the year日期，vh我也不知道是什么，反正就是一参数，这里所有的变量都是连续的。

假设我们想了解温度和臭氧浓度的关系

整理数据

dd <-datadist(be)options(datadist='dd')

建立模型

fit<-ols(ozon~rcs(temp, 4)+dpg,data=be)

绘图

ggrcs(data=be,fit=fit,x="temp",histbinwidth=1)

假设我们想了解不同分组中，温度与臭氧浓度的关系，我们数据中没有分组变量，我自己生成一个

set.seed(1234)be$variables2<-sample(0:1,size=330,replace=TRUE)be$variables2<-as.factor(be$variables2)

整理数据

dd <-datadist(be)options(datadist='dd')

建立模型

fit<-ols(ozon~rcs(temp, 4)+dpg+variables2,data=be)

绘图

ggrcs(data=be,fit=fit,x="temp",group="variables2",histbinwidth=1)

OK，演示完毕，其他操作同前两个模型一样，我就不演示了，有兴趣的可以看我的既往文章。值得一提的是，线性回归一定要注意数据的分布，最好是正态分布，不是正态分布的最好取个对数弄成近似正态分布，不然绘制出来的图形会很怪