我需要创建一个下面公式的线性回归图，但我还没有理解在R中执行它的正确方法：
lm.velocity_vs_Velocity_response = lm(scrd$Velocity~scrd$Velocity_response*scrd$Subject)
scrd是我的数据集，可在此处下载：https://dl.dropbox.com/u/3288659/Velocity_vs_Velocity.csv
对应于实验的数据集包含2个变量（Velocity和Velocity_response），我想知道两者之间是否存在线性相关性。让我们说第一个是在4个地形条件下驾驶的汽车的速度（雪，木，砾石，以及“没有声音”的材料），第二个是导体的感知速度。在实验中，有4个条件，其中10个参与者重复两次，在实验结束时，他们必须评估他们在条件下驾驶的感知速度。在视觉模拟评分上进行的评估，其中0 =非常慢，10 =非常快。 因此，我的回归中有80分（10名参与者* 2次试验* 4次速度估计）。然而，在数据集中，我决定平均2次试验的表现。
用于进行回归的公式I的输出
summary(lm.velocity_vs_Velocity_response)
是
Residual standard error: 0.08377 on 20 degrees of freedom
Multiple R-squared: 0.91, Adjusted R-squared: 0.8245
F-statistic: 10.64 on 19 and 20 DF, p-value: 1.085e-06
我得出结论，两个变量之间存在很强的相关性（R ^ 2 = 0.91，p值<0.001）
现在，我希望看到该线符合这些数据的线性回归。 如何在R中完成？哪个是正确的公式？ 任何人都可以在R？
中提供代码示例问题在于使用情节我得到了一堆乱七八糟的点，我无法看到线性趋势。
这里我发布了数据集的第一行
Subject Material Velocity Velocity_response
Subject1 no_sound 1.41 7.8
Subject1 snow 1.255 4
Subject1 gravel 1.32 5.3
Subject1 wood 1.335 5.4
Subject2 no_sound 1.435 10
Subject2 snow 1.265 1.7
Subject2 gravel 1.3 8.5
Subject2 wood 1.355 5.3
答案 0 :(得分：3)
如果你喜欢这样的话，你的生活会更容易：
lm.velocity_vs_Velocity_response <- lm(Velocity~Velocity_response*Subject, data=scrd)
然后在TeachingDemos包中探索Predict.Plot和TkPredict函数之间的关系和交互。