我正在使用一组简单的数据来处理大象的年龄（解释性）以及每只大象有多少成功的交配伙伴（响应）。我找到了两个模型：一个是线性回归模型，第二个是泊松回归模型。我想制作一个交配与年龄的关系图，然后将两个模型叠加到同一个图上。然后我会比较哪个更适合视觉。我一直在搞乱 ggplot，只是常规的绘图功能，一些线条的东西。我真的不知道该怎么做。
提前致谢。
【问题讨论】：
lm），而不是响应 Y ~ Poisson) 的泊松线性回归模型。这两个模型做出了非常不同的假设，并且不可互换。首先，一个模型假设一个连续响应变量 (OLS)，另一个模型假设一个离散响应变量 (Poisson)。想要比较它们（你不能！）提出了一个更基本的问题，即理解如何对数据建模以及基本假设是什么。也许这更适合交叉验证？
标签： r plot regression linear-regression poisson
如果您只是想可视化，那么使用predict(, type = "response") 作为显示结果模型的一种方式非常容易。我对这两种模型都使用glm，但从技术上讲，lm 也适用于线性模型：
set.seed(11)
# sample size
n <- 50
# regression coefficients
beta0 <- 0
beta1 <- 0.04
beta2 <- 0.05
# generate covariate values
x <- round(runif(n=n, min=1, max=40))
# compute mu's
mu <- exp(beta0 + beta1 * x + beta2^2 * x)
# generate Y-values
y <- rpois(n = n, lambda=mu)
# data set
data <- data.frame(matings=y, age=x)
data
fitLM <- glm(matings ~ age, data, family = gaussian(link = "identity"))
fitPOIS <- glm(matings ~ age, data, family = poisson(link = "log"))
AIC(fitLM, fitPOIS) # poisson has lower AIC
newdat <- data.frame(age = seq(1,40,0.1))
newdat$predLM <- predict(fitLM, newdata = newdat, type = "response")
newdat$predPOIS <- predict(fitPOIS, newdata = newdat, type = "response")
plot(matings ~ age, data)
lines(predLM ~ age, newdat, col = 2)
lines(predPOIS ~ age, newdat, col = 4)
legend("topleft", legend = c("lm", "poisson"), col = c(2,4), lty = 1)
【讨论】：