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：

---

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])