So zeichnen sie lm()-ergebnisse in r auf

Sie können die folgenden Methoden verwenden, um die Ergebnisse der Funktion lm() in R darzustellen:

Methode 1: Zeichnen Sie lm()-Ergebnisse zur Basis R

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

#add fitted regression line to scatterplot
abline(fit)

Methode 2: Plot lm() ergibt ggplot2

 library (ggplot2)

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

Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem in R integrierten mtcars-Datensatz verwendet wird.

Beispiel 1: plot lm() ergibt Basis R

Der folgende Code zeigt, wie die Ergebnisse der Funktion lm() in Basis R dargestellt werden:

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

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

#add fitted regression line to scatterplot
abline(fit) 

Die Punkte im Diagramm stellen die Rohdatenwerte dar und die gerade diagonale Linie stellt die angepasste Regressionslinie dar.

Beispiel 2: Plot lm() Ergebnisse in ggplot2

Der folgende Code zeigt, wie die Ergebnisse der Funktion lm() mithilfe des Datenvisualisierungspakets ggplot2 grafisch dargestellt werden:

 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 ")

Die blaue Linie stellt die angepasste Regressionslinie dar und die grauen Bänder stellen die Grenzen des 95 %-Konfidenzintervalls dar.

Um die Grenzen des Konfidenzintervalls zu entfernen, verwenden Sie einfach se=FALSE im Argument stat_smooth() :

 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 ) 

Sie können die angepasste Regressionsgleichung auch mit der Funktion stat_regline_equation() aus dem Paket ggpubr in das Diagramm einfügen:

 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 ”) 

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie Sie andere häufige Aufgaben in R ausführen:

So führen Sie eine einfache lineare Regression in R durch
So interpretieren Sie die Regressionsausgabe in R
Der Unterschied zwischen glm und lm in R