Как построить график результатов lm() в r

Вы можете использовать следующие методы для построения результатов функции lm() в R:

Метод 1: постройте график результатов lm() в базе R

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

#add fitted regression line to scatterplot
abline(fit)

Метод 2. Построение графика lm() приводит к результату ggplot2.

 library (ggplot2)

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

В следующих примерах показано, как использовать каждый метод на практике с набором данных mtcars , встроенным в R.

Пример 1: построение результатов lm() в базе R

Следующий код показывает, как построить график результатов функции lm() в базе 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) 

Точки на графике представляют значения необработанных данных, а прямая диагональная линия представляет собой подобранную линию регрессии.

Пример 2. График результатов lm() в ggplot2

Следующий код показывает, как построить график результатов функции lm() с помощью пакета визуализации данных 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 ")

Синяя линия представляет собой подобранную линию регрессии, а серые полосы представляют пределы 95% доверительного интервала.

Чтобы удалить границы доверительного интервала, просто используйте se=FALSE в аргументе 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 ) 

Вы также можете добавить подобранное уравнение регрессии внутрь графика, используя функцию stat_regline_equation() из пакета 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 ”) 

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные задачи в R:

Как выполнить простую линейную регрессию в R
Как интерпретировать результаты регрессии в R
Разница между glm и lm в R