基于拟合线性模型的估算数据

Question

我正在查看this kaggle competition中的数据。我专注于这两列：

• LotArea
• LotFrontage

此处LotFrontage缺少值，而LotArea没有。两个变量都非常相关。所以我以为我拟合了线性回归模型，并使用拟合模型估算了LotFrontage的缺失值。这是我的尝试（我是R newby）：

ggplot(OriginalData, aes(x = LotArea, y = LotFrontage)) + geom_point()

fit <- lm(LotFrontage ~ LotArea, OriginalData)
tidy(fit)

Slope <- coef(fit)[term = 'LotArea']
Intercept <- coef(fit)[term = '(Intercept)']

OriginalData$LotFrontage[is.na(OriginalData$LotFrontage)] <- Intercept + (Slope * OriginalData$LotArea)

sum(is.na(OriginalData$LotFrontage))
ggplot(OriginalData, aes(x = LotArea, y = LotFrontage)) + geom_point()

我认为有些不对劲。只是想知道，如何才能使用拟合的斜率在截点图中绘制一条简单的线并进行拦截？谢谢！

Answer 1

首先，您在估算缺失值的过程中犯了一个错误。

Data$Y[is.na(Data$Y)] <- Intercept + (Slope * Data$X)

<-前后的值具有不同的长度。 它会导致警告。

您应该将其修改为：

Data$Y[is.na(Data$Y)] <- (Intercept + (Slope * Data$X))[is.na(Data$Y)]

如果您想添加一条简单的回归线，则可以使用：

• （1）geom_abline（）

+ geom_abline(slope = Slope, intercept = Intercept)

但是在这种情况下，您会出现倾斜和截距的情况。

geom_abline()只能成一条直线。（简单线性回归）

• （2）geom_smooth（）

+ geom_smooth(method = "lm")

它使用平滑方法来拟合数据，例如lm，glm，gam，黄土，MASS :: rlm。 您可以搜索帮助页面以获取详细信息。