我的问题是这个 question 的后续问题我几个小时前问过。查看这篇文章将有助于理解接下来的问题。
我制作了一个包含 1 个响应变量和 2 个解释变量的模型，其中一个是一个因素。
在我的模型中，响应变量被转换。我想在图表上显示我的变量，但我希望不转换解释变量。此外，我想添加我的模型给出的预测线，为此应该对其进行反向转换!为了增加一点难度，我想在 ggplot 上完成。
我的问题是如何扩展@Roland's solution到 ggplot 和几个解释变量？
这是一个例子:
设置种子(12)
resp = (rnorm(120)+20)^3.79
expl1 = rep(c(1,2,3,4),30)
expl2 = rep(1:3,40)
df = data.frame(resp=resp,expl1=expl1,expl2=expl2)
m=lm(resp~expl1*factor(expl2), data=df)
ggplot(data=df,aes(y=resp,x=expl1,shape=factor(expl2)))+geom_point() + geom_smooth(se=F)
我想要的不是显示的线条，而是反向转换后我的模型的预测值。我可以在 geom_smooth 中添加 method='lm', formula =resp~expl1*factor(expl2) 但无论我是否转换 resp我会不会有同样的问题。这条线要么因为变形而不适合，要么与我的模型不对应。
希望我的问题有道理!感谢您的帮助!
最佳答案
您可以将 predict 与多个解释变量一起使用，就像它在上一个问题的答案中的使用方式一样。然后，您只需要将您的预测反向转换为原始比例。预测位于不同的 data.frame 中，因此如果我使用 ggplot，我通常会使用原始 data.frame 绘制绘图并添加点，然后使用预测的 data.frame 绘制线条。
# A transformed response
df$resp2 = df$resp^(1/3.79)
m2 = lm(resp2 ~ expl1 * expl2, data=df)
plotexpl = seq(1, 4, by = .1)
# Use expand grid to make dataset for predictions
newdat = expand.grid(expl1 = plotexpl, expl2 = c("1", "2", "3"))
newdat$pred = predict(m2, newdata = newdat)
# Back-transform predictions
newdat$back = newdat$pred^3.79
require(ggplot2)
ggplot(df, aes(x = expl1, y = resp, color = expl2)) +
geom_point() + geom_line(data = newdat, aes(y = back) )
关于r - ggplot2 上具有多个解释变量的模型的预测线，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18514043/