我用几个连续预测变量进行了多元回归,其中一些结果很重要,我想创建一个 DV 的散点图或类似散点图one预测变量,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,我可以添加如下回归线:
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,反映实际模型而不是简化模型的系数和截距。我想我很乐意为所有其他预测变量假设平均值,以便做到这一点,尽管我已经准备好听到相反的建议。
这可能没有什么区别,但为了以防万一,我会提到,由于我可能不想绘制原始数据,情况会稍微复杂一些。相反,我想绘制预测变量的分箱值的 DV 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,我的数据看起来更干净。