我需要创建以下公式的线性回归图,但我不明白在 R 中哪个是正确的方法:
lm.velocity_vs_Velocity_response = lm(scrd$Velocity~scrd$Velocity_response*scrd$Subject)
其中 scrd 是我的数据集,可以在这里下载:https://dl.dropbox.com/u/3288659/Velocity_vs_Velocity.csv
对应于实验的数据集包含 2 个变量(Velocity 和 Velocity_response),我想知道两者之间是否存在线性相关性。假设第一个是在 4 种地形条件下(雪、木头、砾石和“无声” Material )行驶的汽车的速度,第二个是导体的感知速度。在实验中,4 个条件由 10 名参与者重复两次,他们在实验结束时必须评估他们在这些条件下驾驶时的感知速度。在视觉模拟量表上进行评估,其中 0 = 非常慢,10 = 非常快。
因此,我的回归中有 80 分(10 名参与者 * 2 次试验 * 4 次速度估计)。然而,在数据集中,我决定平均 2 次试验的性能。
我用来进行回归的公式的输出,
summary(lm.velocity_vs_Velocity_response)
是
Residual standard error: 0.08377 on 20 degrees of freedom
Multiple R-squared: 0.91, Adjusted R-squared: 0.8245
F-statistic: 10.64 on 19 and 20 DF, p-value: 1.085e-06
从中我得出结论,两个变量之间存在很强的相关性(R^2 = 0.91 和 p 值 < 0.001)
现在,我想看到拟合这些数据的线性回归的线。
它是如何在 R 中完成的?哪个是正确的公式?
任何人都可以提供 R 中的代码示例吗?
问题是使用 plot 我得到了一堆乱七八糟的点,而且我看不到线性趋势。
我在这里发布数据集的第一行
Subject Material Velocity Velocity_response
Subject1 no_sound 1.41 7.8
Subject1 snow 1.255 4
Subject1 gravel 1.32 5.3
Subject1 wood 1.335 5.4
Subject2 no_sound 1.435 10
Subject2 snow 1.265 1.7
Subject2 gravel 1.3 8.5
Subject2 wood 1.355 5.3
最佳答案
如果你像这样运行 lm ,你的生活会容易得多:
lm.velocity_vs_Velocity_response <- lm(Velocity~Velocity_response*Subject, data=scrd)
然后探索关系和互动看看
Predict.Plot
和 TkPredict
教学演示包中的函数。
关于r - 具有交互作用的线性回归图,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12182373/