R의 복잡한 회귀 그림

시각적 데이터 분석을 위해 복잡한 그래픽을 그려야합니다. 2 개의 변수와 많은 수의 사례가 있습니다 (> 1000). 예를 들어 (분산을 덜 "정상"으로 만들려면 숫자는 100입니다) :

x <- rnorm(100,mean=95,sd=50)
y <- rnorm(100,mean=35,sd=20)
d <- data.frame(x=x,y=y)

1) 우연의 상대 빈도에 해당하는 포인트 크기로 원시 데이터를 플롯해야하므로 plot(x,y)옵션이 아닙니다. 포인트 크기가 필요합니다. 이를 달성하기 위해 무엇을해야합니까?

2) 같은 음모에서 95 % 신뢰 구간 타원과 상관 관계 변경을 나타내는 선을 그려야합니다 (올바르게 이름을 지정하는 방법을 모릅니다)-다음과 같이하십시오.

library(corrgram)
corrgram(d, order=TRUE, lower.panel=panel.ellipse, upper.panel=panel.pts)

한 그래프에 두 그래프가 있습니다.

3) 마지막으로,이 모든 것 위에 결과적인 리니어 회귀 모델을 그려야합니다.

r<-lm(y~x, data=d)
abline(r,col=2,lwd=2)

그러나 QQ 플롯과 같은 오류 범위가 있습니다.

그러나 가능한 경우 피팅 오류입니다.

따라서 질문은 다음과 같습니다.

하나의 그래프에서이 모든 것을 달성하는 방법은 무엇입니까?

아래 그림이 달성하려는 모습으로 보입니까?

다음은 사용자 의견에 따라 업데이트 된 R 코드입니다.

do.it <- function(df, type="confidence", ...) {
  require(ellipse)
  lm0 <- lm(y ~ x, data=df)
  xc <- with(df, xyTable(x, y))
  df.new <- data.frame(x=seq(min(df$x), max(df$x), 0.1))
  pred.ulb <- predict(lm0, df.new, interval=type)
  pred.lo <- predict(loess(y ~ x, data=df), df.new)
  plot(xc$x, xc$y, cex=xc$number*2/3, xlab="x", ylab="y", ...)
  abline(lm0, col="red")
  lines(df.new$x, pred.lo, col="green", lwd=1.5)
  lines(df.new$x, pred.ulb[,"lwr"], lty=2, col="red")
  lines(df.new$x, pred.ulb[,"upr"], lty=2, col="red")    
  lines(ellipse(cor(df$x, df$y), scale=c(sd(df$x),sd(df$y)), 
        centre=c(mean(df$x),mean(df$y))), lwd=1.5, col="green")
  invisible(lm0)
}

set.seed(101)
n <- 1000
x <- rnorm(n, mean=2)
y <- 1.5 + 0.4*x + rnorm(n)
df <- data.frame(x=x, y=y)

# take a bootstrap sample
df <- df[sample(nrow(df), nrow(df), rep=TRUE),]

do.it(df, pch=19, col=rgb(0,0,.7,.5))

그리고 여기 ggplotized 버전이 있습니다

다음 코드 조각으로 생성됩니다.

xc <- with(df, xyTable(x, y))
df2 <- cbind.data.frame(x=xc$x, y=xc$y, n=xc$number)
df.ell <- as.data.frame(with(df, ellipse(cor(x, y), 
                                         scale=c(sd(x),sd(y)), 
                                         centre=c(mean(x),mean(y)))))
library(ggplot2)

ggplot(data=df2, aes(x=x, y=y)) + 
  geom_point(aes(size=n), alpha=.6) + 
  stat_smooth(data=df, method="loess", se=FALSE, color="green") + 
  stat_smooth(data=df, method="lm") +
  geom_path(data=df.ell, colour="green", size=1.2)

Cook의 거리와 같은 모델 맞춤 색인을 색상 음영 효과로 추가하여 조금 더 사용자 정의 할 수 있습니다.

포인트 1의 경우 cex플롯 의 매개 변수를 사용 하여 포인트 크기를 설정하십시오.

예를 들어

x = rnorm(100)
plot(x, pch=20, cex=abs(x))

하나의 플롯에 여러 개의 그래프 를 만들려면 par(mfrow=c(numrows, numcols))균일 한 간격으로 배치하거나 layout보다 복잡한 레이아웃 을 만드는 데 사용합니다.