极客教程R语言 如何创建添加变量图
在这篇文章中，我们将讨论如何在R编程语言中创建一个附加变量图。
添加变量图是一个单独的图，它显示了多元线性回归模型中响应变量和一个预测变量之间的关系，同时控制模型中其他预测变量的存在。它也被称为部分回归图。这些图使我们能够在保持其他预测变量不变的情况下，直观地看到模型中每个单独的预测变量和响应变量之间的关系。
**Install** - install.packages("car")
现在我们选择所需的cran镜像来安装软件包，然后加载软件包并使用以下语法来创建新增变量图。
语法 。
avPlots( linear_model )
其中。
- linear_model： 决定了要可视化的模型。
例子 。
下面是一个使用avPlots()函数绘制的基本附加变量图的例子。例子中使用的数据集是由R语言原生提供的钻石数据集。
# load library car and tidyverse
library(car)
library(tidyverse)
# fit multiple linear regression model
# on the data
linear_model <- lm(price ~ depth + table + carat +
x + y + z, data = diamonds)
# visualize linear regression model using
# avPlots function
avPlots(linear_model)
输出 。
布局定制
我们可以通过使用avPlots()函数的布局参数来定制avPlots()函数中网格的布局。layout函数接收一个向量作为参数，其中包含列数和行数的变量。这两个值决定了网格的布局。
语法。
avPlots( linear_model, layout= c(column, row) )
其中。
- linear_model： 决定了要可视化的模型。
- column： 确定布局网格中的列数。
- 行： 决定布局网格中的行数。
例子 。
在这个例子中，我们用布局参数做了一个2X3网格的添加变量图。这个例子中使用的数据集是R语言原生提供的钻石数据集。
# load library car and tidyverse
library(car)
library(tidyverse)
# fit multiple linear regression model
# on the data
linear_model <- lm(price ~ depth + table + carat +
x + y + z, data = diamonds)
# visualize linear regression model using
# avPlots function Use layout parameter for
# setting the layout of the plot
avPlots(linear_model, layout= c(2,3))
输出 。
颜色和形状的定制
我们可以通过使用avPlots()函数的调整参数来定制绘图对象的形状、颜色和尺寸，即线和点。我们使用col、col.lines、pch和lwd参数来分别改变绘图点的颜色、绘图线的颜色、绘图数据点的形状和绘图线的宽度。
语法。
avPlots( linear_model, col, col.lines, pch, lwd)
其中。
- linear_model： 决定了要可视化的模型。
- col： 决定绘制的点的颜色。
- col.lines： 决定绘制的线条的颜色。
- pch： 决定绘制的点的形状。
- lwd： 决定绘图线的线宽。
例子 。
这里，是一个基本的添加变量的绘图，有红色的点和绿色的线，有自定义的形状和宽度。在这个例子中使用的数据集是R语言原生提供的钻石数据集。
# load library car and tidyverse
library(car)
library(tidyverse)
# fit multiple linear regression model on the data
linear_model <- lm(price ~ depth + table + carat +
x + y + z, data = diamonds)
# visualize linear regression model using avPlots function
# Use customization parameters to customize the plot
avPlots(linear_model, col="Red", col.lines="green", pch=14, lwd=2)
输出 。
