如何绘制另一个连续变量的线性回归的两个固定分类值的比较

Question

所以我想绘制这个：

  

lmfit = lm（y~a + b）

但是，“b”只有零和一的值。因此，我想绘制两条独立的回归线，这些回归线是彼此并列的，以显示b对y轴截距的差异。所以在绘制之后：

  

样地（b，Y）

然后我想使用abline(lmfit,col="red",lwd=2)两次，一次将b的x值设置为零，然后将其设置为一次。所以一旦没有包括这个词，一旦b只是1b。

重申：b是分类，0或1. a是连续的，具有轻微的线性趋势。

谢谢。

示例：

Answer 1

您可能需要考虑将predict(...)与b=0和b=1一起使用，如下所示。由于您没有提供任何数据，我使用内置的mtcars数据集。

lmfit   <- lm(mpg~wt+cyl,mtcars)
plot(mpg~wt,mtcars,col=mtcars$cyl,pch=20)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=4)),col=4,add=T)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=6)),col=6,add=T)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=8)),col=8,add=T)

Answer 2

鉴于你开始使用添加lm模型，绘制线条非常简单，即使不完全直观。我用以下模拟数据测试了它：

y <- rnorm(30)
a <- rep(1:10,times=3)
b <- rep(c(1,0),each=15)

LM <- lm(y~a+b)

您必须访问lm中的系数值。它是：

LM$coefficients

这是一个棘手的部分，你必须为每一行分配系数。

第一个很简单：

abline(LM$coef[1],LM$coef[2])

另一个有点复杂，因为R使用加法系数，所以对于第二行你有：

abline(LM$coef[1]+LM$coef[3],LM$coef[2])

我希望这是你所期待的

Answer 3

除非我误解了这个问题，否则你所要做的就是再次运行abline但是在没有b项的模型上运行abline(lm(y~a),col="red",lwd=2) 。

{{1}}