Hoe lm() resultaten te plotten in r

U kunt de volgende methoden gebruiken om de resultaten van de functie lm() in R te plotten:

Methode 1: Plot lm() resulteert in basis R

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

#add fitted regression line to scatterplot
abline(fit)

Methode 2: Plot lm() resulteert in ggplot2

 library (ggplot2)

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

De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de mtcars-dataset ingebouwd in R.

Voorbeeld 1: plot lm() resulteert in basis R

De volgende code laat zien hoe u de resultaten van de functie lm() in basis R kunt plotten:

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

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

#add fitted regression line to scatterplot
abline(fit) 

De punten in de grafiek vertegenwoordigen de ruwe gegevenswaarden en de rechte diagonale lijn vertegenwoordigt de gepaste regressielijn.

Voorbeeld 2: Plot lm() Resultaten in ggplot2

De volgende code laat zien hoe u de resultaten van de functie lm() kunt plotten met behulp van het gegevensvisualisatiepakket 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 ")

De blauwe lijn vertegenwoordigt de gepaste regressielijn en de grijze banden vertegenwoordigen de grenzen van het 95% betrouwbaarheidsinterval.

Om de grenzen van het betrouwbaarheidsinterval te verwijderen, gebruikt u eenvoudigweg se=FALSE in het stat_smooth() argument:

 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 ) 

U kunt ook de aangepaste regressievergelijking in de grafiek toevoegen met behulp van de functie stat_regline_equation() uit het ggpubr- pakket:

 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 ”) 

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:

Hoe eenvoudige lineaire regressie uit te voeren in R
Hoe regressie-uitvoer in R te interpreteren
Het verschil tussen glm en lm in R