标签：选项 Visualizing OLS 可视化 线性 绘图 col
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
本文链接：https://www.qanswer.top/27042/24241108
标签：选项,Visualizing,OLS,可视化,线性,绘图,col 来源： https://www.cnblogs.com/amboke/p/16683452.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。