我对几个连续预测变量进行了多元回归，其中一些结果显着，我想针对其中一个预测变量创建我的 DV 的散点图或类似散点图，包括“回归线”。我怎样才能做到这一点？
我的情节看起来像这样
D = my.data; plot( D$probCategorySame, D$posttestScore )
如果是简单回归，我可以添加这样的回归线:
lmSimple <- lm( posttestScore ~ probCategorySame, data=D )
abline( lmSimple )
但我的实际模型是这样的:
lmMultiple <- lm( posttestScore ~ pretestScore + probCategorySame + probDataRelated + practiceAccuracy + practiceNumTrials, data=D )
我想添加一条回归线，以反射(reflect)实际模型的系数和截距，而不是简化模型。为了做到这一点，我想我很乐意为所有其他预测变量假设平均值，尽管我已经准备好听取相反的建议。
这可能没有什么区别，但我会提到以防万一，由于我可能不想绘制原始数据，情况会稍微复杂一些。相反，我想为预测变量的分箱值绘制 DV 的平均值，如下所示:
D[,'probCSBinned'] = cut( my.data$probCategorySame, as.numeric( seq( 0,1,0.04 ) ), include.lowest=TRUE, right=FALSE, labels=FALSE )
D = aggregate( posttestScore~probCSBinned, data=D, FUN=mean )
plot( D$probCSBinned, D$posttestScore )
只是因为当我这样做时，它恰好看起来对我的数据更干净。
最佳答案
要绘制线性或广义线性模型中的各个项(即，拟合 lm 或 glm)，请使用 termplot .无需分箱或其他操作。
# plot everything on one page
par(mfrow=c(2,3))
termplot(lmMultiple)
# plot individual term
par(mfrow=c(1,1))
termplot(lmMultiple, terms="preTestScore")
关于r - 从 R 中的多元回归中绘制 "regression line"，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17615791/