wie zeichnen Sie die lineare regression in R?

Möchte ich den folgenden Fall, der linearen regression in R

year<-rep(2008:2010,each=4)
quarter<-rep(1:4,3)
cpi<-c(162.2,164.6,166.5,166.0,166.4,167.0,168.6,169.5,170.0,172.0,173.3,174.0)
plot(cpi,xaxt="n",ylab="CPI",xlab="")
axis(1,labels=paste(year,quarter,sep="C"),at=1:12,las=3)
fit<-lm(cpi~year+quarter)

Ich will zeichnen Sie die Linie zeigt die lineare regression der Daten, die ich verarbeiten. Ich habe versucht mit:

abline(fit)
abline(fit$coefficients[[1]],c(fit$coefficients[[2]],fit$coefficients[[3]]))

Das problem ist, dass meine Formel ist von der form:

y=a+b*year+c*quarter

ist und nicht etwas einfacheres wie:

y=a+b*year

so, wie ich zeichnen kann, die Linie zeigt die lineare regression?

Ist es möglich, zu zeichnen die Linie mit abline?

Mit multiple regression Koeffizienten der regression, repräsentieren nicht eine Zeile. Vielleicht möchten Sie stats::zersetzen.

InformationsquelleAutor Little | 2013-01-22

linear-regression r

7

Sind Sie auf der Suche nach der predict Funktion?

E. g.: mit lines(predict(fit)) geben:

Könnte man dieses auch verwenden für die Prognose der künftigen Daten-Abgleich mit den berechneten Koeffizienten. E. g.
```
# plot the existing data with space for the predicted line
plot(c(cpi,rep(NA,12)),xaxt="n",ylab="CPI",xlab="",ylim=c(162,190))

# plot the future predictions as a line using the next 3 year periods
lines(13:24,
      predict(
        fit,
        newdata=data.frame(year=rep(c(2011,2012,2013),each=4),quarter=rep(1:4,3))
             )
     )

year<-rep(2008:2013,each=4)
axis(1,labels=paste(year,quarter,sep="C"),at=1:24,las=3)
```
- danke @thelatemail, aber können Sie mir sagen, warum es nicht funktioniert abline(a=0,b=1)?
- Es gibt keine gerade Linie für die Prognosen.
- ja, du hast Recht @DWin, ich erkenne meine Fehler, es ist ein Polynom-Modell, so dass ist, warum gibt es keine gerade Linie, my bad
InformationsquelleAutor thelatemail
6
```
cpi<-c(162.2,164.6,166.5,166.0,166.4,167.0,168.6,169.5,170.0,172.0,173.3,174.0)
cpits <- ts(cpi, start=2008, frequency=4)
plot(decompose(cpits))
```
- Dies ist die "richtige" Antwort. Die Vorstellung, dass Jahr und Quartal sind "unabhängig" ist, der Irrt (man könnte auch sagen lächerlich).
- könnten Sie erklären, dass ein bisschen mehr sein? Könnte man nicht ein Szenario mit der Temperatur zunehmenden insgesamt linear sondern stark schwankenden Temperaturen zu jeder jahreszeit? Würde dies machen meiner predict basierend Antwort nicht statistisch gültig? Vielleicht vermisse ich den Punkt, den Sie machen.
- du hast Recht @thelatemail, dieses Beispiel stammt aus einem Buch, das der Auffassung, die Schwankungen des Verbraucherpreisindex Jahr und in jedem Jahr von Viertel
InformationsquelleAutor Matthew Lundberg
6

Humbug. All dies sind sinnvolle Lösungen, aber Sie tun nicht, was Sie Fragen. Nun, was Sie Fragen ist etwas Kühler und völlig unpraktisch, aber getan werden kann, mit rgl.
```
f <- function(x, y, coefs){
  z <- coefs[1] + coefs[2] * x + coefs[3] * y
  z
}

x <- seq(from=min(year), to=max(year), length.out=100)
y <- seq(from=min(quarter), to=max(quarter), length.out=100)

z <- outer(x, y, f, coefs=coef(fit))
```
Jetzt, wo die Magie passiert in rgl:
```
library(rgl)

persp3d(x, y, z, col="lightblue")
```
Es ist nicht gerecht hier, aber es ist hübsch und bewegen Sie ihn über.

Und was zum Teufel, lassen Sie uns fügen Sie Ihre ursprünglichen Punkte
```
points3d(year, quarter, cpi, size=5, col="red")
```
- Ich habe nie wirklich gemocht 3D-Grafiken in Bezug auf Lesbarkeit, haben aber ein +1 für die explizit auf die Beantwortung der Frage.
- Sie sind viel besser lesbar, wenn Sie tatsächlich mit dem rgl-Gerät und bewegen Sie die Figur um. Luke Tierney geschrieben hat etwas über das einbetten von dynamischen Grafiken in PDF-Dateien, aber ich habe es nicht ausprobiert.
- Humbug, in der Tat. Gehen Sie voran. Interpretieren Sie das Flugzeug.
- Ich habe nie gesagt, es war praktisch. Ich Tat es aus Spaß. In allen ernstes, obwohl, werden Sie möglicherweise feststellen, dass es große Residuen, wo beide Prädiktoren sind groß. Dies ist natürlich nicht eine Veröffentlichung Grafik, aber es könnte nützlich sein für die Unterstützung der Schüler entwerfen was passiert mit der regression, die in höheren Dimensionen, und warum wird es im Grunde unmöglich, um eine Darstellung der Ergebnisse der multiplen linearen regression auf einen herkömmlichen xy-Punktdiagramms.
InformationsquelleAutor sebastian-c
3

Der Fehler liegt in der Art und Weise man Daten formatiert wurde. Hier ist eine weitere option:
```
year<-seq(from=2008,to=2010.75,by=.25)
cpi<-c(162.2,164.6,166.5,166.0,166.4,167.0,168.6,169.5,170.0,172.0,173.3,174.0)
df <- data.frame(year,cpi)
plot(df)+abline(lm(df$cpi~df$year))
```
Dann können Sie formatieren Sie die Achsenbeschriftungen, wenn Sie mögen.
- Dies ignoriert die Quartal, und damit ist nicht eine Antwort auf die Frage.
InformationsquelleAutor N8TRO
1

Den Predict.Plot und TkPredict Funktionen in der TeachingDemos Paket Handlung die Beziehung zwischen den Prädiktoren und der response-Variablen konditioniert auf die Werte der anderen Prädiktoren. Predict.Plot macht es ziemlich einfach, um zu sehen, mehrere Leitungen von verschiedenen Bedingungen, während TkPredict können Sie interaktiv ändern Sie die Werte konditioniert werden (und produzieren die Predict.Plot code zum erstellen der aktuellen Handlung).

Diese Funktionen sind im Allgemeinen für Regressions-Modelle auf mehrere Prädiktoren, aber nicht so gut wie zerlegen für eine Zeit-Serie.

InformationsquelleAutor Greg Snow

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.