我有一个数据集，我为它绘制了一个回归图（使用ggplot2's stat_smooth）：
ggplot(data = mydf, aes(x=time, y=pdm)) + geom_point() + stat_smooth(col="red")
我也想使用相同的方法来获得分位数（如果更简单，只有四分位数就可以了）。我设法得到的是以下内容：
ggplot(data = mydf, aes(x=time, y=pdm, z=surface)) + geom_point() + stat_smooth(col="red") + stat_quantile(quantiles = c(0.25,0.75))
不幸的是，我不能method="loess"输入stat_quantile()，如果我没记错的话，它会解决我的问题。
（如果不清楚，所需的行为 = 分位数的非线性回归，因此 Q25 和 Q75 的回归分别低于和高于我的红色曲线（如果绘制，Q50 将是我的红色曲线））。
谢谢
stat_quantile默认情况下，在每个 x 值处绘制第 25 个和第 75 个百分位数的最佳拟合线。stat_quantile使用包中的rq函数quantreg（隐式地，method="rq"在stat_quantile调用中）。据我所知，rq不做黄土回归。但是，您可以使用其他灵活的函数进行分位数回归。这里有两个例子：
B样条：
library(splines)
stat_quantile(formula=y ~ bs(x, df=4), quantiles = c(0.25,0.75))
二阶多项式：
stat_quantile(formula=y ~ poly(x, 2), quantiles = c(0.25,0.75))
stat_quantile仍在使用rq，但rq接受上面列出的类型的公式（如果您不提供公式，则stat_quantile隐式使用formula=y~x）。如果您在 for 中使用相同的公式geom_smooth，stat_quantile您将有一致的回归方法用于分位数和平均期望值。