所以我想绘制这个:
lmfit = lm (y ~ a + b)
但是,“b”只有值 0 和 1。因此,我想绘制两条相互平行的独立回归线,以显示 b 对 y 截距的差异。所以在绘制之后:
plot(b,y)
然后我想使用 abline(lmfit,col="red",lwd=2)
两次,一次将 b 的 x 值设置为零,一次将其设置为 1。一次不包含该术语,一次 b 只是 1b。
重申一下:b 是分类的,0 或 1。a 是连续的,具有轻微的线性趋势。
谢谢。
示例:
最佳答案
您可能需要考虑将 predict(...)
与 b=0
和 b=1
一起使用,如下所示。由于您没有提供任何数据,因此我使用内置的 mtcars
数据集。
lmfit <- lm(mpg~wt+cyl,mtcars)
plot(mpg~wt,mtcars,col=mtcars$cyl,pch=20)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=4)),col=4,add=T)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=6)),col=6,add=T)
curve(predict(lmfit,newdata=data.frame(wt=x,cyl=8)),col=8,add=T)
关于r - 如何绘制两个固定分类值的比较以进行另一个连续变量的线性回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26895778/