使用 R 可视化多元线性回归

Question

我正在尝试使用四个变量来拟合和可视化多元线性回归 model。

fit <- lm(general_data$Bacterial.Contigs ~ general_data$Soil.Temperature + general_data$Time.point + general_data$Year)

这里，Time.point 和 Year 是分类变量，其他是数值变量。

我使用以下代码创建了 3D plot。

library(plotly)

plot_ly(data = general_data, z = ~Bacterial.Contigs, x = ~Soil.Temperature, y = ~Time.point, color = ~Year, colors = c('#0C4B8E' ,'#BF382A'),opacity = 0.5) %>%
  add_markers( marker = list(size = 4))

plot 看起来像这样：

如何在此 plot 中添加“适合”model 的回归线。 我真的很感激任何帮助。 谢谢

Answer 1

您安装的 model 仅具有加性效应，这意味着您的分类值只会增加或减少您的响应变量，不同类别的斜率不会改变。 在 3D plot 上很难想象，我建议你试试ggplot2 。

以mtcars ，您基本上将拟合值放回数据框中，并为拟合值调用一行：

dat = mtcars
dat$am = factor(dat$am)
dat$vs = factor(dat$vs)

fit <- lm(mpg ~ disp + am + vs,data=dat)
dat$fitted= fitted(fit)

library(ggplo2)
g = ggplot(dat) + geom_point(aes(x=disp,y=mpg)) + 
geom_line(aes(x=disp,y = fitted)) + facet_grid(am~vs)
print(g)

或者，如果您需要 plotly：

library(plotly)
ggplotly(g)