r - 具有交互作用的线性回归图

Question

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

Answer 1

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。