在 R 中使用 ggplot2 进行多元线性回归

回归线主要用于统计模型中，这些模型有助于估计因变量和至少一个自变量之间的关系。有两种类型的回归线：

• 单回归线。
• 多条回归线。

在本文中，我们将讨论如何使用 ggplot2 散点图在 R 编程语言中绘制多条回归线。

使用的数据集：这里我们使用内置数据框“Orange”，其中包含有关五种不同类型橙树生长的详细信息。数据框有35 行和 3列。此数据框中的列是：

• 树：根据增加的橙子直径值进行实验的树的排序。
• 年龄：树木自种植以来的年龄。
• 周长：橙子的周长。

我们首先创建一个散点图。我们将使用函数geom_point()来绘制 ggplot2 库下的散点图。

句法：

geom_point( mapping=NULL, data=NULL, stat=identity, position=”identity”)

基本上，我们正在对橙子的周长与年龄进行比较分析。使用的函数是geom_smooth()绘制平滑线或回归线。

Syntax: geom_smooth(method=”auto”,se=FALSE,fullrange=TRUE,level=0.95)

Parameter :

• method : The smoothing method is assigned using the keyword loess, lm, glm etc
• lm : linear model, loess : default for smooth lines during small data set observations.
• formula : You can also use formulas for smooth lines. For example : y~poly(x,4) which will plot a smooth line of degree 4. Higher the degree more bends the smooth line will have.
• se : It takes logical values either “TRUE” or “FALSE”.
• fullrange : It takes logical value either “TRUE” or “FALSE”.
• level : By default level is 0.95 for the confidence interval.

让我们先画一个简单的单线回归，然后将复杂度增加到多条线。

例子：

R

# Scatter Plot
library(ggplot2)
  
ggplt <- ggplot(Orange,aes(x=circumference,y=age))+
         geom_point()+
         theme_classic()
  
ggplt
  
# Plotting a single Regression Line
ggplt+geom_smooth(method=lm,se=FALSE,fullrange=TRUE)

输出：

这是一条单一的平滑线或俗称的回归线。在这里，这些点是组合在一起的，而不是基于任何组进行分离。

多元线性回归将处理相同的参数，但每条线将代表不同的组。因此，如果我们想根据它们所属的组绘制这些点，我们需要多条回归线。每条回归线将与一个组相关联。

多条回归线的基本公式：

R 中计算与多重回归线相关的系数和其他参数的语法是：

var <- lm(formula, data = data_set_name)

summary(var)

lm : linear model 

var : variable name 

要在同一图形上计算多条回归线，请根据应形成哪些组来设置属性以塑造参数。

句法：

shape = attribute    

单个回归线与单个组相关联，可以在图的图例中看到。现在，要为每条回归线分配不同的颜色，请编写以下命令：

color = attribute

例子：

电阻

library(ggplot2)
  
ggplt <- ggplot(Orange,aes(x=circumference,y=age,shape=Tree))+
         geom_point()+
         theme_classic()
  
ggplt
  
# Plotting multiple Regression Lines
ggplt+geom_smooth(method=lm,se=FALSE,fullrange=TRUE,
                  aes(color=Tree))

输出：