如何在 R 中创建添加的变量图？

在本文中，我们将讨论如何在 R 编程语言中创建添加的变量图。

添加的变量图是一个单独的图，它显示多元线性回归模型中响应变量和一个预测变量之间的关系，同时控制模型中其他预测变量的存在。它也被称为部分回归图。这些图允许我们可视化模型中每个单独的预测变量和响应变量之间的关系，同时保持其他预测变量不变。

Install - install.packages("car")

现在我们选择所需的 cran 镜像来安装包，然后加载包并使用以下语法创建添加的变量图。

Syntax:

avPlots( linear_model )

where, 

• linear_model: determines the model to be visualized.

例子：

这是使用 avPlots()函数制作的基本添加变量绘图示例。示例中使用的数据集是 R 语言原生提供的 diamonds 数据集。

R

# load library car and tidyverse
library(car)
library(tidyverse)
 
# fit multiple linear regression model
# on the data
linear_model <- lm(price ~ depth + table + carat +
                   x + y + z, data = diamonds)
 
# visualize linear regression model using
# avPlots function
avPlots(linear_model)

输出：

布局定制

我们可以通过使用 avPlots()函数的 layout 参数在 avPlots()函数中自定义网格的布局。布局函数将向量作为参数，其中包含列数和行数变量。这两个值决定了网格的布局。

Syntax:

avPlots( linear_model, layout= c(column, row) )

where,

• linear_model: determines the model to be visualized.
• column: determines the number of columns in the layout grid.
• row: determines the number of rows in the layout grid.

例子：

在此示例中，我们使用布局参数添加了带有 2X3 网格的变量图。示例中使用的数据集是 R 语言原生提供的 diamonds 数据集。

R

# load library car and tidyverse
library(car)
library(tidyverse)
 
# fit multiple linear regression model
# on the data
linear_model <- lm(price ~ depth + table + carat +
                   x + y + z, data = diamonds)
 
# visualize linear regression model using
# avPlots function Use layout parameter for
# setting the layout of the plot
avPlots(linear_model, layout= c(2,3))

输出：

颜色和形状定制

我们可以通过调整 avPlots()函数的参数来自定义绘制对象（即线和点）的形状、颜色和尺寸。我们使用 col、col.lines、pch 和 lwd 参数分别改变绘制点的颜色、绘制线的颜色、绘制数据点的形状和绘制线的宽度。

Syntax:

avPlots( linear_model, col, col.lines, pch, lwd)

where,

• linear_model: determines the model to be visualized.
• col: determines the color of plotted points.
• col.lines: determines the color of plotted lines.
• pch: determines the shape of plotted points.
• lwd: determines the line width for the plotted line.

例子：

在这里，是一个基本的添加变量图，带有红色点和具有自定义形状和宽度的绿色线。示例中使用的数据集是 R 语言原生提供的 diamonds 数据集。

R

# load library car and tidyverse
library(car)
library(tidyverse)
 
# fit multiple linear regression model on the data
linear_model <- lm(price ~ depth + table + carat +
                   x + y + z, data = diamonds)
 
# visualize linear regression model using avPlots function
# Use customization parameters to customize the plot
avPlots(linear_model, col="Red", col.lines="green", pch=14, lwd=2)

输出：