R 如何为另一个连续变量的线性回归绘制两个固定分类值的比较
所以我想画一幅图: lmfit=lm(y~a+b) 但是,“b”只有0和1的值。所以,我想画两条独立的回归线,它们彼此平行,以显示b对y截距的影响。因此,在绘制此图之后: 图(b,y) 然后我想使用abline(lmfit,col=“red”,lwd=2)两次,一次将b的x值设置为零,一次将其设置为一。所以一次不包括这个术语,一次其中b是1b 重申:b是绝对的,0或1。a是连续的,有轻微的线性趋势 多谢各位 例如:R 如何为另一个连续变量的线性回归绘制两个固定分类值的比较,r,plot,statistics,linear-regression,R,Plot,Statistics,Linear Regression,所以我想画一幅图: lmfit=lm(y~a+b) 但是,“b”只有0和1的值。所以,我想画两条独立的回归线,它们彼此平行,以显示b对y截距的影响。因此,在绘制此图之后: 图(b,y) 然后我想使用abline(lmfit,col=“red”,lwd=2)两次,一次将b的x值设置为零,一次将其设置为一。所以一次不包括这个术语,一次其中b是1b 重申:b是绝对的,0或1。a是连续的,有轻微的线性趋势 多谢各位 例如: 除非我误解了这个问题,否则您所要做的就是在没有b术语的模型上再次运行abline
除非我误解了这个问题,否则您所要做的就是在没有
b
术语的模型上再次运行abline
abline(lm(y~a),col="red",lwd=2)
您可能想考虑使用<代码>预测(…)<代码> > <代码> b=0 < /代码>和<代码> b=1 < /代码>,如下所示。因为您没有提供任何数据,所以我使用内置的
mtcars
数据集
lmfit <- lm(mpg~wt+cyl,mtcars)
plot(mpg~wt,mtcars,col=mtcars$cyl,pch=20)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=4)),col=4,add=T)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=6)),col=6,add=T)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=8)),col=8,add=T)
lmfit如果你有一个加法lm模型,那么画线是非常简单的,尽管不是完全直观的。我用以下模拟数据对其进行了测试:
y <- rnorm(30)
a <- rep(1:10,times=3)
b <- rep(c(1,0),each=15)
LM <- lm(y~a+b)
这里是棘手的部分,你必须为每一行分配系数
第一个很简单:
abline(LM$coef[1],LM$coef[2])
另一个稍微复杂一点,因为R与加法系数一起工作,所以对于第二行:
abline(LM$coef[1]+LM$coef[3],LM$coef[2])
我希望这是您所期望的不,因为没有它,“a”的系数会不同。正确的?我需要方程中的“b”,但它的x值设为0。谢谢,这就是我要找的。但是,我不熟悉您使用的功能。我对R比较陌生。我会查一下,然后破译这个,但是如果你有时间,请解释一下它是如何工作的。
abline(LM$coef[1]+LM$coef[3],LM$coef[2])