So zeichnen sie eine lineare regressionslinie in ggplot2 (mit beispielen)

Sie können die R-Visualisierungsbibliothek ggplot2 verwenden, um ein angepasstes lineares Regressionsmodell mit der folgenden grundlegenden Syntax zu zeichnen:

 ggplot(data,aes(x, y)) +
  geom_point() +
  geom_smooth(method=' lm ')

Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.

Beispiel: Zeichnen einer linearen Regressionslinie in ggplot2

Angenommen, wir passen eineinfaches lineares Regressionsmodell an den folgenden Datensatz an:

 #create dataset
data <- data.frame(y=c(6, 7, 7, 9, 12, 13, 13, 15, 16, 19, 22, 23, 23, 25, 26),
                   x=c(1, 2, 2, 3, 4, 4, 5, 6, 6, 8, 9, 9, 11, 12, 12))

#fit linear regression model to dataset and view model summary
model <- lm(y~x, data=data)
summary(model)

Call:
lm(formula = y ~ x, data = data)

Residuals:
    Min 1Q Median 3Q Max 
-1.4444 -0.8013 -0.2426 0.5978 2.2363 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 4.20041 0.56730 7.404 5.16e-06 ***
x 1.84036 0.07857 23.423 5.13e-12 ***
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.091 on 13 degrees of freedom
Multiple R-squared: 0.9769, Adjusted R-squared: 0.9751 
F-statistic: 548.7 on 1 and 13 DF, p-value: 5.13e-12

Der folgende Code zeigt, wie das angepasste lineare Regressionsmodell visualisiert wird:

 library (ggplot2)

#create plot to visualize fitted linear regression model
ggplot(data,aes(x, y)) +
  geom_point() +
  geom_smooth(method=' lm ') 

Standardmäßig fügt ggplot2 dem Diagramm Standardfehlerlinien hinzu. Sie können sie mit dem Argument se=FALSE wie folgt deaktivieren:

 library (ggplot2)

#create regression plot with no standard error lines
ggplot(data,aes(x, y)) +
  geom_point() +
  geom_smooth(method=' lm ', se= FALSE ) 

Schließlich können wir bestimmte Aspekte des Diagramms anpassen, um es optisch ansprechender zu gestalten:

 library (ggplot2)

#create regression plot with customized style
ggplot(data,aes(x, y)) +
  geom_point() +
  geom_smooth(method=' lm ', se= FALSE , color=' turquoise4 ') +
  theme_minimal() +
  labs(x=' X Values ', y=' Y Values ', title=' Linear Regression Plot ') +
  theme(plot.title = element_text(hjust=0.5, size=20, face=' bold ')) 

Indiesem Artikel finden Sie eine vollständige Anleitung zu den besten ggplot2-Themen.

Zusätzliche Ressourcen

Eine Einführung in die multiple lineare Regression in R
So zeichnen Sie ein Konfidenzintervall in R auf