Question

我正在查看有关R中二阶回归的过去问题，因为我有一个数据集可以使用叠加到散点图上的二次回归。我发现这篇文章： Plot polynomial regression curve in R

我的问题是罗曼路斯特里克在第二个答案中看到的代码和图表。他提供了这段代码：

library(ggplot2)
fit <- lm(mpg ~ hp + I(hp^2), data = mtcars)
prd <- data.frame(hp = seq(from = range(mtcars$hp)[1], to = range(mtcars$hp)[2], length.out = 100))
err <- predict(fit, newdata = prd, se.fit = TRUE)

prd$lci <- err$fit - 1.96 * err$se.fit
prd$fit <- err$fit
prd$uci <- err$fit + 1.96 * err$se.fit

ggplot(prd, aes(x = hp, y = fit)) +
  theme_bw() +
  geom_line() +
  geom_smooth(aes(ymin = lci, ymax = uci), stat = "identity") +
  geom_point(data = mtcars, aes(x = hp, y = mpg))

它产生了这个图： https://i.stack.imgur.com/98qIY.png

我的问题是，根据上面的代码，该线周围较暗的灰色区域代表什么，以及我将使用什么代码来显示该较暗灰色区域95％的置信度？目前，常数高于1.96，将任意增加或减少暗灰色区域

R中的多项式回归图

0 个答案: