1

我正在尝试（i）可视化多元线性回归（> 3个自变量）和（ii）为我的线性回归线绘制标准偏差走廊，但我不知道如何做到这一点。具体来说，我想绘制 +- SD 线。鸢尾花的一个例子：

lm1 <- lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Width + iris$Species+ iris$Petal.Width)
summary(lm1)
library(car)
avPlots(lm1, intercept = TRUE)
 
library(ggplot2)

ggplot(iris, aes(x = iris$Sepal.Width, y = Sepal.Length,
                   
                   col = factor(Species)))+ geom_point(size=1)+ theme_bw()+geom_smooth(method=lm,se=FALSE, fullrange=TRUE)

这给了我添加的变量图和回归线Sepal.Length~Sepal.Width + Species。我想知道（i）是否有比添加的变量图更有效的方法来总结结果（我已经看过像https://stats.stackexchange.com/questions/89747/how-to-describe-or这样的线程-visualize-a-multiple-linear-regression-model和https://stats.stackexchange.com/questions/71413/best-way-to-visually-present-relationships-from-a-multiple-linear-model我是只是想知道是否有一个最近开发的函数ggPredict，比如最多适用于 3 个变量）和（ii）我如何在这两个图上添加标准偏差。

在此处输入图像描述 在此处输入图像描述

Sepal.Length~Sepal.Width红色回归线上的预期输出示例：

在此处输入图像描述

4

1 回答 1

3

也许是这样的？在这里，波段代表标准误差，它衡量回归线可能仅基于抽样误差的错误程度。

library(tidyverse); library(ggforce)
ggplot(iris, aes(x = .panel_x, y = .panel_y)) +
  geom_point() +
  geom_smooth(method = "lm") +
  facet_matrix(vars(Sepal.Length:Petal.Width), layer.diag = 3)

在此处输入图像描述

于 2021-09-21T15:57:12.880 回答