如何在R中绘制二次回归？

Question

以下代码在R中生成一个qudaratic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

但是怎么办我把图上的曲线绘制得很困惑.

要获得图表:

 plot(listOfDataFrames1$avgTime~listOfDataFrames1$betaexit)

但是曲线？

---

没有手动复制值,有没有做到这一点？像mso建议虽然它有效.

Answer 1

这应该工作.

# 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)

由于您未提供任何数据,因此以下是使用内置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)

一些说明:

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

(2)您可以将公式指定为@mso建议,或者您可以使用该poly(...)函数raw=TRUE.

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

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

它predict(...)在模型上使用具有wt(预测变量)的数据帧x.

Answer 2

尝试使用 ggplot：

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))