如何在 R 中绘制二次回归？

Question

以下代码在 R 中生成二次回归。

 lm.out3 = lm(listOfDataFrames1$avgTime ~ listOfDataFrames1$betaexit + I(listOfDataFrames1$betaexit^2) + I(listOfDataFrames1$betaexit^3))

 summary(lm.out3)

Call:
lm(formula = listOfDataFrames1$avgTime ~ listOfDataFrames1$betaexit + 
    I(listOfDataFrames1$betaexit^2) + I(listOfDataFrames1$betaexit^3))

Residuals:
    Min      1Q  Median      3Q     Max 
-14.168  -2.923  -1.435   2.459  28.429 

Coefficients:
                                 Estimate Std. Error t value Pr(>|t|)    
(Intercept)                        199.41      11.13  17.913  < 2e-16 ***
listOfDataFrames1$betaexit       -3982.03     449.49  -8.859 1.14e-12 ***
I(listOfDataFrames1$betaexit^2)  32630.86    5370.27   6.076 7.87e-08 ***
I(listOfDataFrames1$betaexit^3) -93042.90   19521.05  -4.766 1.15e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 7.254 on 63 degrees of freedom
Multiple R-squared:  0.9302,    Adjusted R-squared:  0.9269 
F-statistic: 279.8 on 3 and 63 DF,  p-value: < 2.2e-16

但是如何在图表上绘制曲线我很困惑。

获取图表：

 plot(listOfDataFrames1$avgTime~listOfDataFrames1$betaexit)

但是曲线？

---

在不手动复制值的情况下有什么办法吗？ 就像 mso 建议的那样，虽然它有效。

Answer 1

这应该可行。

# not tested
lm.out3 = lm(avgTime ~ poly(betaexit,3,raw=TRUE),listofDataFrames3)
plot(avgTime~betaexit,listofDataDFrames3)
curve(predict(lm.out3,newdata=data.frame(betaexit=x)),add=T)

由于您没有提供任何数据，这里是一个使用内置 mtcars 数据集的工作示例。

fit <- lm(mpg~poly(wt,3,raw=TRUE),mtcars)
plot(mpg~wt,mtcars)
curve(predict(fit,newdata=data.frame(wt=x)),add=T)

一些注意事项：

(1) 在lm(...) 的formula=... 参数中引用外部数据结构是一个非常糟糕的主意。相反，引用data=... 参数中引用的数据框的列，如上所述和@mso 指出的那样。

(2) 您可以按照@mso 的建议指定公式，也可以将poly(...) 函数与raw=TRUE 一起使用。

(3) curve(...) 函数将一个表达式作为其第一个参数，该表达式必须有一个变量x，该变量将由图形 x 轴的值自动填充。所以在这个例子中，表达式是：

predict(fit,newdata=data.frame(wt=x))

在模型上使用predict(...)，其数据框具有x 给出的wt（预测变量）。

Answer 2

用 ggplot 试试：

library(ggplot)
ggplot(listOfDataFrames1, aes(x=betaexit, y=avgTime)) + geom_point()+stat_smooth(se=F)

使用 mtcars 数据：

ggplot(mtcars, aes(x=wt, y=mpg)) + geom_point()+stat_smooth(se=F, method='lm', formula=y~poly(x,3))

Answer 3

试试：

with(listOfDataFrames1, plot(betaexit, avgTime))
with(listOfDataFrames1, lines(betaexit, 199-3982*betaexit+32630*betaexit^2-93042*betaexit^3))