如何在 r 中绘制 lm() 结果

您可以使用以下方法绘制 R 中lm()函数的结果：

方法 1：在基数 R 中绘制 lm() 结果

 #create scatterplot
plot(y ~ x, data=data)

#add fitted regression line to scatterplot
abline(fit)

方法 2：在 ggplot2 中绘制 lm() 结果

 library (ggplot2)

#create scatterplot with fitted regression line
ggplot(data, aes (x = x, y = y)) + 
  geom_point() +
  stat_smooth(method = " lm ")

以下示例展示了如何在实践中使用 R 中内置的mtcars 数据集来使用每种方法。

示例 1：绘制基本 R 中的 lm() 结果

以下代码显示了如何在基本 R 中绘制lm()函数的结果：

 #fit regression model
fit <- lm(mpg ~ wt, data=mtcars)

#create scatterplot
plot(mpg ~ wt, data=mtcars)

#add fitted regression line to scatterplot
abline(fit) 

图中的点代表原始数据值，直线对角线代表拟合回归线。

示例 2：在 ggplot2 中绘制 lm() 结果

以下代码展示了如何使用ggplot2数据可视化包绘制lm()函数的结果：

 library (ggplot2)

#fit regression model
fit <- lm(mpg ~ wt, data=mtcars)

#create scatterplot with fitted regression line
ggplot(mtcars, aes (x = x, y = y)) +
  geom_point() +
  stat_smooth(method = " lm ")

蓝线代表拟合回归线，灰色带代表 95% 置信区间的极限。

要删除置信区间界限，只需在stat_smooth()参数中使用se=FALSE ：

 library (ggplot2) 

#fit regression model
fit <- lm(mpg ~ wt, data=mtcars)

#create scatterplot with fitted regression line
ggplot(mtcars, aes (x = x, y = y)) +
  geom_point() +
  stat_smooth(method = “ lm ”, se= FALSE ) 

您还可以使用ggpubr包中的stat_regline_equation()函数在图表中添加拟合回归方程：

 library (ggplot2)
library (ggpubr)

#fit regression model
fit <- lm(mpg ~ wt, data=mtcars)

#create scatterplot with fitted regression line
ggplot(mtcars, aes (x = x, y = y)) +
  geom_point() +
  stat_smooth(method = “ lm ”, se= FALSE ) +
  stat_regline_equation(label.x.npc = “ center ”) 

其他资源

以下教程解释了如何在 R 中执行其他常见任务：

如何在 R 中执行简单线性回归
如何解释 R 中的回归输出
R中glm和lm的区别