使用来自晶格封装的xyplot（）从线性回归绘制观察值和拟合值

Question

我可以创建简单的图形。我想在同一图表上观察和预测值（来自线性回归）。我正在密谋说Yvariable vs Xvariable。只有1个预测变量，只有1个响应。我怎样才能将线性回归曲线添加到同一图表中？

所以总结需要帮助：

• 绘制实际情况并预测两者
• 绘制回归线

Answer 1

以下是将单个图中的观测值和预测值作为点的一个选项。在观察点上获得回归线更容易，我说明了第二个

首先是一些虚拟数据

set.seed(1)
x <- runif(50)
y <- 2.5 + (3 * x) + rnorm(50, mean = 2.5, sd = 2)
dat <- data.frame(x = x, y = y)

适合我们的模型

mod <- lm(y ~ x, data = dat)

将模型输出和观察到的x合并为plott的单个对象

res <- stack(data.frame(Observed = dat$y, Predicted = fitted(mod)))
res <- cbind(res, x = rep(dat$x, 2))
head(res)

加载晶格和图

require("lattice")

xyplot(values ~ x, data = res, group = ind, auto.key = TRUE)

结果图应与此

类似

要获得观察数据的回归线，并且回归模型是一个简单的直线模型，根据我展示的那个，那么你可以绕过大部分这个并且只是使用

绘图

xyplot(y ~ x, data = dat, type = c("p","r"), col.line = "red")

（即你甚至不需要拟合模型或为绘图制作新数据）

结果图应该如下所示

第一个示例的替代方法可以与为回归线提供系数的任何东西一起使用，就是编写自己的面板函数 - 不像看起来那么可怕

xyplot(y ~ x, data = dat, col.line = "red",
       panel = function(x, y, ...) {
         panel.xyplot(x, y, ...)
         panel.abline(coef = coef(mod), ...) ## using mod from earlier
       }
      )

这给出了上图2中的图，但是手工制作。

假设您已使用插入符号完成此操作，那么

mod <- train(y ~ x, data = dat, method = "lm",
             trControl = trainControl(method = "cv"))

xyplot(y ~ x, data = dat, col.line = "red",
       panel = function(x, y, ...) {
         panel.xyplot(x, y, ...)
         panel.abline(coef = coef(mod$finalModel), ...) ## using mod from caret
       }
      )

将产生与上图2相同的情节。

Answer 2

另一种选择是使用panel.lmlineq中的latticeExtra。

library(latticeExtra)
set.seed(0)
xsim <- rnorm(50, mean = 3)
ysim <- (0 + 2 * xsim) * (1 + rnorm(50, sd = 0.3))

## basic use as a panel function
xyplot(ysim ~ xsim, panel = function(x, y, ...) {
  panel.xyplot(x, y, ...)
  panel.lmlineq(x, y, adj = c(1,0), lty = 1,xol.text='red',
                col.line = "blue", digits = 1,r.squared =TRUE)
})