적합 다중 회귀 모형을 시각화하는 방법은 무엇입니까?


42

현재 여러 회귀 분석으로 논문을 작성하고 있습니다. 일 변량 선형 회귀를 시각화하는 것은 산점도를 통해 쉽지만 여러 선형 회귀를 시각화하는 좋은 방법이 있는지 궁금합니다.

나는 현재 종속 변수 대 1 독립 변수, 2 대 독립 변수 등과 같은 산점도를 플롯하고 있습니다. 제안은 정말 감사하겠습니다.


6
한 가지 가능성 : 변수 도표 추가
Glen_b

1
가능한 관심 분야 : R의 잔차 그림으로 예측 됨 .
chl

1
참고 항목 effects에서 패키지R
분석 재개 모니카 - 피터 Flom에

3
이 설명을 먼저 요청해야한다고 생각합니다. 여러 예측 변수 (x, IV)로 선형 회귀를 의미합니까-다중 회귀이거나 다중 반응 (y, DV)으로 선형 회귀를 의미합니까? 다변량 회귀 ?
Glen_b

답변:


24

현재 전략에는 아무런 문제가 없습니다. 당신이 가진 다중 회귀 모델이있는 경우 에만 두 설명 변수를 당신은 표시 예측 회귀면,하지만 대부분의 소프트웨어가 할이 쉽게하지 않는 차원 틱 플롯을 시도 할 수 있습니다. 또 다른 가능성은 coplot ( R의 coplot 또는 이 pdf 참조 )을 사용하는 것인데 , 이는 3 개 또는 4 개의 변수를 나타낼 수 있지만 많은 사람들이이를 읽는 방법을 모릅니다. 그러나 본질적으로 상호 작용이 없으면 와 사이 의 예측 된 한계 관계는 예측 된 조건부 와 같습니다.xjy다른 변수 의 특정 수준에서 관계 (수직 또는 수직 이동) . 따라서 다른 모든 변수를 평균으로 설정하고 예측 된 선 찾아 그 선을 그릴 수 있습니다 쌍 의 산점도 . 또한 중요하지 않다고 생각하면 일부 플롯을 포함하지 않을 수도 있지만, 와 같은 플롯으로 끝납니다 . (예를 들어, 단일 관심 변수 및 일부 제어 변수를 갖는 다중 회귀 모델을 갖는 것이 일반적이며 첫 번째 플롯 만 제공합니다). xxy^=β^0++β^jxj++β^px¯p(xj,y)p

반면에 교호 작용 있는 경우 가장 상호 작용하는 변수 중 가장 관심있는 교호 변수를 파악하고 해당 변수와 반응 변수 사이의 예측 된 관계를 나타내지 만 같은 줄에 여러 줄이 있어야합니다. 다른 상호 작용 변수는 각 라인마다 다른 레벨로 설정됩니다. 일반적인 값은 상호 작용 변수 의 평균 및 1 SD입니다. 보다 명확하게하기 위해 과 두 변수 만 있고 이들 사이에 상호 작용이 있고 이 연구의 초점이라고 생각하면 다음 세 줄로 단일 플롯을 만들 수 있습니다.±x1x2x1

y^=β^0+β^1x1+β^2(x¯2sx2)+β^3x1(x¯2sx2)y^=β^0+β^1x1+β^2x¯2 +β^3x1x¯2y^=β^0+β^1x1+β^2(x¯2+sx2)+β^3x1(x¯2+sx2)

9

다음회귀 결과를 3 차원으로 표시 하기위한 웹 기반 대화식 도구입니다 .

이 3 차원 도표는 하나의 종속 변수와 두 개의 설명 변수와 함께 작동합니다. 절편을 0으로 설정할 수도 있습니다 (즉, 회귀 방정식에서 절편을 제거).

그래픽에는 WebGL 가능 브라우저가 필요합니다. 모든 주요 데스크탑 브라우저의 최신 버전은 WebGL을 지원합니다.

여기에 이미지 설명을 입력하십시오


사이트는 이제 다운 - 나는 GoDaddy와 방문 페이지 수
스핀 업을

4

데이터 대신 모델 을 시각화하기 위해 JMP 는 대화식 "프로파일 러"플롯을 사용합니다. 정적 뷰가 있습니다.

여기에 이미지 설명을 입력하십시오

그리고 여기에 동적 뷰에 대한 링크가 있습니다 .

산점도 아이디어와 유사하며 결합 할 수 있습니다. 아이디어는 각 프레임이 해당 X 및 Y 변수에 대한 모델 조각을 표시하고 다른 X 변수는 표시된 값에서 일정하게 유지된다는 것입니다. 대화식 버전에서는 빨간색 세로선을 끌어 X 값을 변경할 수 있습니다.

공개 : 저는 JMP 개발자이므로 편견없는 보증으로 여기지 마십시오.


2
예측 변수의 잔차를 사용하여 종속 변수의 잔차를 플로팅하는 것이 중요하지 않습니까? 변수 사이의 실제 관계를 나타 내기 때문에 그렇게해야한다고 생각했지만 권장되는 것은 거의 없습니다.
Agus Camacho

1
@AgusCamacho, 여전히 관심이 있다면 새로운 질문을해야합니다.
gung-복직 모니카
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.