在 R 中可视化 OLS 线性回归假设
在 R 中可视化 OLS 线性回归假设
虽然大多数时候以编程方式验证您的模型假设就足够了，但有时将它们可视化会很有帮助。这里有一些快速的方法可以做到这一点。
线性度
Visualizing Linearity
线性可能是最容易可视化的假设，因为您可以简单地使用以下代码片段快速创建散点图。
Visualizing linearity scatterplot
此外，您可以使用“pch”、“cex”和“col”选项更改点的外观。 PCH 代表绘图字符，它将调整用于您的点的符号。下图中列出了可用的点形状。
Generated with ggpubr::show_point_shapes()
“cex”选项允许您调整符号大小。默认值为 1。例如，如果您将该值更改为 0.75，则绘图符号将按比例缩小为默认大小的 3/4。 “col”选项允许您调整绘图符号的颜色。
Scatterplot with formatted points
您可以使用“xlab”、“ylab”、“xaxt”和“yaxt”选项（以及其他可用选项）调整轴。在以下示例中，我们将完全删除轴。
Visualizing linearity without axes
最后，您可以通过创建模型并将拟合值添加到图表来添加趋势线。我们还将分别使用“lwd”和“col”参数调整线宽和颜色。
Linear trendline
或者，您可以使用如下所示的预测函数来丰富您的数据。
Visualize upper and lower limits
多重共线性
Visualizing multicollinearity
可视化多重共线性的第一种方法是通过“pairs”函数通过绘图矩阵。您可以在“mtcars”数据集上进行测试，如下所示：
Plot matrix
第二种可视化方法是通过相关图。首先，安装“corrplot”库，然后使用“corrplot”函数。
自相关
Visualizing Autocorrelation
要可视化自相关，您可以通过 stats 库中的 acf 函数创建自相关图。
这是一个包含自相关数据的绘图示例：
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
