Comment tracer les résultats lm() dans R

Vous pouvez utiliser les méthodes suivantes pour tracer les résultats de la fonction lm() dans R :

Méthode 1 : tracer les résultats lm() en base R

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

#add fitted regression line to scatterplot
abline(fit)

Méthode 2 : tracer les résultats lm() dans ggplot2

library(ggplot2)

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

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec l’ ensemble de données mtcars intégré dans R.

Exemple 1 : tracer les résultats lm() en base R

Le code suivant montre comment tracer les résultats de la fonction lm() en 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)

Les points du graphique représentent les valeurs des données brutes et la ligne diagonale droite représente la ligne de régression ajustée.

Exemple 2 : Plot lm() Résultats dans ggplot2

Le code suivant montre comment tracer les résultats de la fonction lm() à l’aide du package de visualisation de données 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 ligne bleue représente la ligne de régression ajustée et les bandes grises représentent les limites de l’intervalle de confiance à 95 %.

Pour supprimer les limites de l’intervalle de confiance, utilisez simplement se=FALSE dans l’argument 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)

Vous pouvez également ajouter l’équation de régression ajustée à l’intérieur du graphique en utilisant la fonction stat_regline_equation() du package 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")

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans R :

Comment effectuer une régression linéaire simple dans R
Comment interpréter la sortie de régression dans R
La différence entre glm et lm dans R