R：生成多元回归模型的图，多项式数值预测因子与因子之间存在相互作用

Question

我正在尝试生成从我的数据派生的图和运行这些数据的多元回归模型。我无法将我需要的所有内容绘制在一个图表中（但是，原始数据点+拟合线+ 95％CI）。在这个模型中，有一个多项式数字预测器与一个因子（三个级别）相互作用，所以我将在图中有三条拟合线。

#Here are the data
list<-c(60,75,90,120,180)
x1<-rep(list,each=3,times=3) #predictor 1
x2<-rep(seq(1:3),each=15) #predictor 2
y<-c(72, 63, 58, 56, 50, 52, 47, 48, 51, 41, 47, 44, 38, 34, 36, 92, 93, 88, 76, 76, 74, 72, 67, 78, 56, 71, 65, 53, 56, 60, 93, 73, 77, 96, 79, 81, 84, 79, 86, 80, 76, 75, 69, 61, 63)
df<-data.frame(cbind(x1,x2,y)) #combine vectors into data frame
df$x2<-factor(df$x2) #make x2 a factor

#here is the model
mod<-lm(y~poly(x1,2)*x2,data=df)

我更喜欢从一个空的情节开始并从那里积累起来。我可以很容易地绘制原始数据，但我不确定如何从这里添加的模型中获得拟合线和95％置信区间。

#create empty plot
plot(y~x1,xlim=c(min(x1),max(x1)),ylim=c(min(y),max(y)),
 type="n",xlab="x1",ylab="y",data=df)

#add data points
points(y[x2==1]~x1[x2==1], cex=1.7,pch=21,lwd=2,bg="gray10", data=df)
points(y[x2==2]~x1[x2==2], cex=1.7,pch=22,lwd=2,bg="gray40", data=df)
points(y[x2==3]~x1[x2==3], cex=1.7,pch=25,lwd=2,bg="gray80", data=df)

通过大量的研究和修补，我想出了如何使用'效果'包获得拟合线和95％CI，但我不知道如何将原始数据添加到此图中。

library(effects)
plot(allEffects(mod,xlevels=list(x1=min(x1):max(x1)),xlab="x1",ylab="y"),multiline=T,rug=F,ci.style="bands")

这是很多写作和代码，但我希望我想要做的是明确的。非常感谢您的帮助。

Answer 1

predict函数使用正交多项式处理所有混乱的计算：

x.two <- df$x2
lines(x = sort(x.two),
      y = predict(mod, newdata=data.frame(x1=factor("1"), x2=sort(x.two) ) ) ,
      col="red")
 lines(x = sort(x.two),
       y = predict(mod, newdata=data.frame(x1=factor("2"), x2=sort(x.two) ) ) ,
       col="green")
 lines(sort(x.two),
       predict(mod,  newdata=data.frame(x1=factor("3"),x2=sort(x.two) ) ) , col="orange")