中绘制多元回归的“回归线”我用多个连续的预测变量进行了多元回归,其中一些显着,我想创建一个散点图或散点图的我的DV对一个的预测变量,包括一个“回归线”。我怎样才能做到这一点?在R
我的情节是这样的
D = my.data; plot(D$probCategorySame, D$posttestScore)
如果是简单的回归,我可以添加一个回归线是这样的:
lmSimple <- lm(posttestScore ~ probCategorySame, data=D)
abline(lmSimple)
但我的实际模型是这样的:
lmMultiple <- lm(posttestScore ~ pretestScore + probCategorySame + probDataRelated + practiceAccuracy + practiceNumTrials, data=D)
我想添加一个回归线,反映系数和截距从实际模型而不是简化模型。我想我会很乐意为所有其他预测因子假设平均值,尽管我准备听到相反的建议。
这可能没有什么区别,但为了以防万一,由于我可能不想绘制原始数据,这种情况会稍微复杂一些。相反,我想绘制DV的平均值为预测的分级值,就像这样:
D[,'probCSBinned'] = cut(my.data$probCategorySame, as.numeric(seq(0,1,0.04)), include.lowest=TRUE, right=FALSE, labels=FALSE)
D = aggregate(posttestScore~probCSBinned, data=D, FUN=mean)
plot(D$probCSBinned, D$posttestScore)
只是因为它发生在寻找更清洁的我的数据,当我做这种方式。
如果没有指定该图的所有其他预测变量的(静态)值,则无法对单个预测变量进行绘图。你能澄清你想要展示什么吗? –
澄清补充说,谢谢。我想我会倾向于假定所有其他预测因子都假设它们的平均值。 – baixiwei