Cara memplot hasil lm() di r

Anda dapat menggunakan metode berikut untuk memplot hasil fungsi lm() di R:

Metode 1: Plot lm() menghasilkan basis R

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

#add fitted regression line to scatterplot
abline(fit)

Metode 2: Plot lm() menghasilkan ggplot2

 library (ggplot2)

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

Contoh berikut menunjukkan cara menggunakan setiap metode dalam praktik dengan himpunan data mtcars yang dibangun di R.

Contoh 1: plot lm() menghasilkan basis R

Kode berikut menunjukkan cara memplot hasil fungsi lm() di basis R:

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

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

#add fitted regression line to scatterplot
abline(fit) 

Titik-titik pada grafik mewakili nilai data mentah dan garis diagonal lurus mewakili garis regresi yang dipasang.

Contoh 2: Plot lm() Menghasilkan ggplot2

Kode berikut menunjukkan cara memplot hasil fungsi lm() menggunakan paket visualisasi data ggplot2 :

 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 ")

Garis biru mewakili garis regresi yang sesuai dan pita abu-abu mewakili batas interval kepercayaan 95%.

Untuk menghapus batas interval kepercayaan, cukup gunakan se=FALSE dalam argumen 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 ) 

Anda juga dapat menambahkan persamaan regresi yang sesuai ke dalam grafik menggunakan fungsi stat_regline_equation() dari paket ggpubr :

 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 ”) 

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:

Cara melakukan regresi linier sederhana di R
Bagaimana menafsirkan keluaran regresi di R
Perbedaan antara glm dan lm di R