Come tracciare i risultati lm() in r

È possibile utilizzare i seguenti metodi per tracciare i risultati della funzione lm() in R:

Metodo 1: tracciare i risultati di lm() in base R

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

#add fitted regression line to scatterplot
abline(fit)

Metodo 2: Plot lm() restituisce ggplot2

 library (ggplot2)

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

Gli esempi seguenti mostrano come utilizzare ciascun metodo nella pratica con il set di dati mtcars integrato in R.

Esempio 1: plot lm() restituisce la base R

Il codice seguente mostra come tracciare i risultati della funzione lm() in base 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) 

I punti nel grafico rappresentano i valori dei dati grezzi e la linea diagonale retta rappresenta la linea di regressione adattata.

Esempio 2: Plot lm() Risultati in ggplot2

Il codice seguente mostra come tracciare i risultati della funzione lm() utilizzando il pacchetto di visualizzazione dati 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 ")

La linea blu rappresenta la linea di regressione adattata e le bande grigie rappresentano i limiti dell’intervallo di confidenza al 95%.

Per rimuovere i limiti dell’intervallo di confidenza, usa semplicemente se=FALSE nell’argomento 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 ) 

Puoi anche aggiungere l’equazione di regressione adattata all’interno del grafico utilizzando la funzione stat_regline_equation() dal pacchetto 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 ”) 

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni in R:

Come eseguire una regressione lineare semplice in R
Come interpretare l’output della regressione in R
La differenza tra glm e lm in R