是否有类似于cor()的R函数，但是要得到线性回归的斜率和/或截取量？

Question

我想做一个相关图，但是它不使用相关系数，而是显示每个变量之间线性回归的斜率。

如果可能的话，它将做同样的功能，因为它将显示哪个斜率是显着的或不重要的。对于变量之间的比较问题，我想最好是将所有的斜率标准化。

我想这样做，因为我有时有一个坏的相关性/R2，但仍然有一个很大的斜率。因此，同时拥有相关矩阵和“斜率”矩阵将是很好的。

你知道有没有这样的现有功能吗？或者怎么做？谢谢。

编辑:这里有一个链接解释了为什么斜率和R2/相关性之间有差异：https://statisticsbyjim.com/regression/low-r-squared-regression/

这里有一个例子，说明了我如何使用corr图。我想做的是一个类似的函数，但是用斜率，而不是相关性。

M<-cor(mtcars) 
test <- cor.mtest(M, conf.level = 0.95)
corrplot(M, order="hclust", tl.col="black",
         p.mat = test$p, sig.level = 0.10)

Answer 1

在这里，您有最适合的点(下面板)和回归参数(上面板)：

#Panel of correlations
panel.corr <- function(x, y,data){
  usr <- par("usr"); on.exit(par(usr))
  par(usr = c(0, 1, 0, 1))
  a <- round(summary(lm(x~y, data=mtcars))$coef[1,1],3)
  b <- round(summary(lm(x~y, data=mtcars))$coef[2,1],3)
  txt <- paste0("y=", a," + (",b,")*x")
  text(0.5, 0.5, txt, cex = 1)
}

#Panel of histograms
panel.hist <- function(x, ...){
  usr <- par("usr"); on.exit(par(usr))
  par(usr = c(usr[1:2], 0, 1.5) )
  h <- hist(x, plot = FALSE)
  breaks <- h$breaks
  len <- length(breaks)
  y <- h$counts/max(h$counts)
  rect(breaks[-len], 0, breaks[-1], y, col = "lightblue")
}

panel.scat <- function(x, y, ...) {
  usr <- par("usr"); on.exit(par(usr))
 par(usr = c(0, 1, 0, 1), new = TRUE)
 plot(x,y)
abline(lm(y ~ x))


}

#Plot
pairs(mtcars[, c(1,3:7)],  
      lower.panel = panel.scat,
      upper.panel = panel.corr,
      diag.panel = panel.hist,
      gap = 0.3, 
      main = "Scatterplot matrix of `mtcars`")

Answer 2

以下是关于本页面的教程并回答您的问题：

library(tidyverse)
library(ggpubr)
theme_set(theme_pubr())

# Load the package
data("marketing", package = "datarium")
head(marketing, 4)

ggplot(marketing, aes(x = youtube, y = sales)) +
  geom_point() +
  stat_smooth()

cor(marketing$sales, marketing$youtube)

model <- lm(sales ~ youtube, data = marketing)
model

调用模型的输出是：

## 
## Call:
## lm(formula = sales ~ youtube, data = marketing)
## 
## Coefficients:
## (Intercept)      youtube  
##      8.4391       0.0475

你要找的信息是：

• 截取是很清楚的。
• 这里的斜率是youtube系数的值。
• 如果您正在进行多元回归，则需要考虑模型或公式中的所有相关因素来链接R代码。

如果您只想与您先前计算的特性进行比较，只需将其转换为公式，您就会得到一个简单的回归模型。我必须建议你检查线性回归的先决条件，然后以防万一.

希望能帮上忙。