我怎么做类似的事情：

Question

一些模拟数据和代码：

scale_color_manual()

一种可能的解决方案：

首先，计算您的p值。这是一个带有z检验的示例，但请使用适合您数据的任何内容：

scale_color_manual()

<.05, the colors remain as specified below in

，然后将颜色美学映射到等于

set.seed(123)
terms <- c("covariate1", "covariate2", "covariate3", "covariate4")
outcomes <- c("Outcome1", "Outcome2", "Outcome3")
treatments <- c("Treatment A", "Treatment B")
results <- expand.grid(term = terms, outcome = outcomes, treatment = treatments) %>%
  mutate(
    term = factor(term, levels = terms),
    estimate = rnorm(n(), 0, 0.2),   
    se = runif(n(), 0.05, 0.2),     
    conf.low = estimate - 1.96 * se, 
    conf.high = estimate + 1.96 * se
  )

ggplot(results, aes(x = estimate, y = term, color = outcome)) +
  geom_vline(xintercept = 0, color = "black", linetype = "dashed") +
  geom_point(size = 2, position = position_dodge(width = 0.2)) +
  geom_errorbarh(aes(xmin = conf.low, xmax = conf.high), height = 0, position = position_dodge(width = 0.2)) +
  facet_wrap(~ treatment) +
  scale_color_manual(values = c("Outcome1" = "gold3", 
                                "Outcome2" = "green3", 
                                "Outcome3" = "salmon")) +
  theme_minimal()

的新因子向量，除非p> = 0.10：

results <- results %>%
  mutate(
    p.value = 2 * (1 - pnorm(abs(estimate / se)))
  )

为了在传说中保持结果，即使没有意义，我们也需要将

Answer 1

添加到

color = factor(
  if_else(p.value < 0.10, outcome, "n.s."),
  levels = c(levels(outcome), "n.s.")
)

和

drop = FALSE

scale_color_manual()

和

show.legend = TRUE

geom_point()

和

geom_errorbarh()

。我们还需要添加美学

group = outcome

，以便仍然像以前一样工作。

将alpha映射到一个新的因子向量，即小于0.05，而另一个级别则是：position_dodge()使用

alpha = cut(p.value, c(0, 0.05, 1))

定义alpha值：scale_alpha_manual()将它们全部投入在一起（请注意，我使用了不同的种子）：

scale_alpha_manual(
  values = c(1, 0.5),
  guide = "none"
)