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