Jak wykreślić wyniki lm() w r

Do wykreślenia wyników funkcji lm() w R można użyć następujących metod:

Metoda 1: Wykres lm() daje podstawę R

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

#add fitted regression line to scatterplot
abline(fit)

Metoda 2: Wykres lm() daje w wyniku ggplot2

 library (ggplot2)

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

Poniższe przykłady pokazują, jak zastosować każdą metodę w praktyce ze zbiorem danych mtcars wbudowanym w R.

Przykład 1: wykres lm() daje podstawę R

Poniższy kod pokazuje, jak wykreślić wyniki funkcji lm() w bazie 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) 

Punkty na wykresie reprezentują wartości danych surowych, a prosta linia ukośna przedstawia dopasowaną linię regresji.

Przykład 2: Wykres lm() Wyniki w ggplot2

Poniższy kod pokazuje, jak wykreślić wyniki funkcji lm() przy użyciu pakietu wizualizacji danych 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 ")

Niebieska linia przedstawia dopasowaną linię regresji, a szare paski przedstawiają granice 95% przedziału ufności.

Aby usunąć granice przedziału ufności, po prostu użyj se=FALSE w argumencie 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 ) 

Możesz także dodać dopasowane równanie regresji do wykresu, używając funkcji stat_regline_equation() z pakietu 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 ”) 

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania w języku R:

Jak wykonać prostą regresję liniową w R
Jak interpretować wynik regresji w R
Różnica między glm i lm w R