Lm() ရလဒ် r ကို ဘယ်လိုဆွဲမလဲ။

R တွင် lm() function ၏ရလဒ်များကိုဆွဲရန် အောက်ပါနည်းလမ်းများကို အသုံးပြုနိုင်သည်။

နည်းလမ်း 1- Plot lm() သည် base R ရလဒ်

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

#add fitted regression line to scatterplot
abline(fit)

Method 2- Plot lm() သည် ggplot2 တွင်ရလဒ်များဖြစ်သည်။

 library (ggplot2)

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

အောက်ဖော်ပြပါနမူနာများသည် R တွင်တည်ဆောက်ထားသော mtcars dataset ဖြင့် နည်းလမ်းတစ်ခုစီကို လက်တွေ့တွင်အသုံးပြုနည်းကိုပြသထားသည်။

ဥပမာ 1- plot lm() သည် base R ရလဒ်

အောက်ဖော်ပြပါ ကုဒ်သည် အခြေခံ R တွင် lm() လုပ်ဆောင်ချက်၏ ရလဒ်များကို ပုံဖော်နည်းကို ပြသသည် ။

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

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

#add fitted regression line to scatterplot
abline(fit) 

ဂရပ်ရှိ အမှတ်များသည် ကုန်ကြမ်းဒေတာတန်ဖိုးများကို ကိုယ်စားပြုပြီး ဖြောင့်ထောင့်ဖြတ်မျဉ်းသည် တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုမျဉ်းကို ကိုယ်စားပြုသည်။

ဥပမာ 2- Plot lm() ggplot2 တွင် ရလဒ်များ

အောက်ဖော်ပြပါ ကုဒ်သည် ggplot2 data visualization package ကို အသုံးပြု၍ lm() လုပ်ဆောင်ချက်၏ ရလဒ်များကို ပုံဖော်နည်းကို ပြသသည်-

 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 ")

အပြာလိုင်းသည် တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုမျဉ်းကို ကိုယ်စားပြုပြီး မီးခိုးရောင်ကြိုးများသည် 95% ယုံကြည်မှုကြားကာလ၏ ကန့်သတ်ချက်များကို ကိုယ်စားပြုသည်။

ယုံကြည်မှုကြားကာလဘောင်များကိုဖယ်ရှားရန်၊ stat_smooth() အငြင်းအခုံတွင် se=FALSE ကို ရိုးရှင်းစွာအသုံးပြုပါ။

 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 ) 

ggpubr ပက်ကေ့ဂျ်မှ stat_regline_equation() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ဂရပ်အတွင်း တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုညီမျှခြင်းကိုလည်း ထည့်နိုင်သည်။

 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 ”) 

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

R တွင် ရိုးရှင်းသော linear regression လုပ်နည်း
R တွင် regression output ကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံ
R တွင် glm နှင့် lm ကွာခြားချက်