Як побудувати результати lm() у r

Щоб побудувати графік результатів функції lm() у R, можна використати такі методи:

Спосіб 1. Побудуйте результат lm() у базовому R

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

#add fitted regression line to scatterplot
abline(fit)

Спосіб 2: Результатом lm() є ggplot2

 library (ggplot2)

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

У наступних прикладах показано, як використовувати кожен метод на практиці з набором даних mtcars , вбудованим у R.

Приклад 1: графік lm() дає базу R

Наступний код показує, як побудувати результати функції lm() у базовому 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 графіку представляють значення необроблених даних, а пряма діагональна лінія представляє підігнану лінію регресії.

Приклад 2: Діаграма lm() Результати в ggplot2

Наступний код показує, як побудувати результати функції lm() за допомогою пакета візуалізації даних 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 ")

Синя лінія позначає підігнану лінію регресії, а сірі смуги позначають межі 95% довірчого інтервалу.

Щоб видалити межі довірчого інтервалу, просто використовуйте se=FALSE в аргументі 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 ) 

Ви також можете додати підігнане рівняння регресії всередину графіка за допомогою функції stat_regline_equation() з пакету 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 ”) 

Додаткові ресурси

У наступних посібниках пояснюється, як виконувати інші типові завдання в R:

Як виконати просту лінійну регресію в R
Як інтерпретувати результат регресії в R
Різниця між glm і lm у R