我有一个简单的多项式回归，如下所示
attach(mtcars)
fit <- lm(mpg ~ hp + I(hp^2))
现在，我绘制如下
> plot(mpg~hp)
> points(hp, fitted(fit), col='red', pch=20)
这给了我以下内容
我想将这些点连接成一条平滑的曲线，使用线条可以得到以下结果
> lines(hp, fitted(fit), col='red', type='b')
我在这里错过了什么。我希望输出是连接点的平滑曲线
【问题讨论】：
attach，它会导致很多错误。
我喜欢为此使用ggplot2，因为添加数据层通常非常直观。
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))
【讨论】：
试试：
lines(sort(hp), fitted(fit)[order(hp)], col='red', type='b')
因为您在数据集中的统计单位没有排序，因此，当您使用lines 时会一团糟。
【讨论】：
fitted() 方法不会产生拟合多项式/函数的平滑实现
一般来说，一个好方法是使用predict() 函数。选择一些x 值，使用predict() 生成对应的y 值，并绘制它们。它可能看起来像这样：
newdat = data.frame(hp = seq(min(mtcars$hp), max(mtcars$hp), length.out = 100))
newdat$pred = predict(fit, newdata = newdat)
plot(mpg ~ hp, data = mtcars)
with(newdat, lines(x = hp, y = pred))
请参阅 Roman 的答案以获得该方法的更高级版本，其中也计算了置信区间。在这两种情况下，解决方案的实际绘图都是偶然的 - 您可以使用基本图形或ggplot2 或任何其他您想要的东西 - 关键是只需使用 predict 函数来生成适当的 y 值。 这是一种很好的方法，因为它可以扩展到各种拟合，而不仅仅是多项式线性模型。您可以将它与非线性模型、GLM、平滑样条曲线等一起使用 - 任何使用 predict 方法的东西。
【讨论】：
predict() 方法，不是吗？
ggplot 可能成为新 R 用户的障碍所以很高兴使用 base 演示该方法。但我会编辑以感谢 Roman 的努力。