R termplot 繪製回歸項

說明

根據預測變量繪製回歸項，可選擇添加標準誤差和部分殘差。

用法

termplot(model, data = NULL, envir = environment(formula(model)),
         partial.resid = FALSE, rug = FALSE,
         terms = NULL, se = FALSE,
         xlabs = NULL, ylabs = NULL, main = NULL,
         col.term = 2, lwd.term = 1.5,
         col.se = "orange", lty.se = 2, lwd.se = 1,
         col.res = "gray", cex = 1, pch = par("pch"),
         col.smth = "darkred", lty.smth = 2, span.smth = 2/3,
         ask = dev.interactive() && nb.fig < n.tms,
         use.factor.levels = TRUE, smooth = NULL, ylim = "common",
         plot = TRUE, transform.x = FALSE, ...)

參數

model	擬合模型對象
data	可以在其中找到model中的變量的 DataFrame
envir	可以找到model中的變量的環境
partial.resid	邏輯性；是否應該繪製部分殘差？
rug	將 rug 圖(抖動的一維直方圖)添加到軸上？
terms	要繪製哪些項(默認NULL 表示所有項)；傳遞給 predict(.., type = "terms", terms = *) 的向量。
se	繪製逐點標準誤差？
xlabs	x 軸標簽向量
ylabs	y 軸標簽向量
main	邏輯或主標題向量；如果 TRUE ，則將模型的調用作為主標題，NULL 或 FALSE 表示沒有標題。
col.term, lwd.term	“術語曲線”的顏色和線寬，請參閱lines。
col.se, lty.se, lwd.se	se = TRUE 時“twice-standard-error 曲線”的顏色、線條類型和線條寬度。
col.res, cex, pch	顏色、繪製部分殘差的字符擴展和類型，當 partial.resid = TRUE 時，請參閱 points 。
ask	邏輯性；如果 TRUE ，則在每個繪圖之前都會詢問用戶，請參閱par(ask=.) 。
use.factor.levels	x 軸刻度應該使用因子水平還是因子項的數字？
smooth	NULL 或與 panel.smooth 具有相同參數的函數，用於通過非因子項的部分殘差繪製平滑曲線
lty.smth, col.smth, span.smth	傳遞給smooth
ylim	y 軸的可選範圍，或 "common"(當計算足以滿足所有圖的範圍時)，或 "free"(當為每個圖計算限製時)。
plot	如果設置為FALSE，則不會生成繪圖：而是返回一個列表，其中包含要繪製的數據。
transform.x	邏輯向量；如果元素(根據需要回收)是 TRUE ，則根據變換後的值繪製相應項的部分殘差。模型響應是一條直線，可以與數據或從 smooth-panel.smooth 獲得的曲線進行準備比較。
...	其他圖形參數。

細節

model 對象必須具有接受 type = "terms" 的 predict 方法，例如 stats 包中的 glm、 survival 包中的 coxph 和 survreg。

對於 partial.resid = TRUE 選項 model 必須具有接受 type = "partial" 的 residuals 方法，lm 和 glm 也接受該方法。

很少需要 data 參數，但在某些情況下 termplot 可能無法重建原始數據幀。使用 na.action=na.exclude 可以減少這些問題的發生。

對於交互項來說，不會發生任何明智的事情，並且它們可能會導致錯誤。

當需要一些特殊操作時，例如，plot = FALSE 選項很有用。疊加兩個不同模型的結果或繪製置信帶。

值

對於 plot = FALSE ，是一個列表，其中每個圖都有一個元素，將生成。列表的每個元素都是一個數據幀，其中包含變量 x 、 y 以及可選的逐點標準錯誤 se 。對於連續預測變量，x 將包含有序的唯一值，對於因子，它將是包含每個級別的一個實例的因子。該列表具有從預測術語對象複製的屬性"constant"。

否則的話，多少項，無形之中。

例子

require(graphics)

had.splines <- "package:splines" %in% search()
if(!had.splines) rs <- require(splines)
x <- 1:100
z <- factor(rep(LETTERS[1:4], 25))
y <- rnorm(100, sin(x/10)+as.numeric(z))
model <- glm(y ~ ns(x, 6) + z)

par(mfrow = c(2,2)) ## 2 x 2 plots for same model :
termplot(model, main = paste("termplot( ", deparse(model$call)," ...)"))
termplot(model, rug = TRUE)
termplot(model, partial.resid = TRUE, se = TRUE, main = TRUE)
termplot(model, partial.resid = TRUE, smooth = panel.smooth, span.smth = 1/4)
if(!had.splines && rs) detach("package:splines")

if(requireNamespace("MASS", quietly = TRUE)) {
hills.lm <- lm(log(time) ~ log(climb)+log(dist), data = MASS::hills)
termplot(hills.lm, partial.resid = TRUE, smooth = panel.smooth,
        terms = "log(dist)", main = "Original")
termplot(hills.lm, transform.x = TRUE,
         partial.resid = TRUE, smooth = panel.smooth,
	 terms = "log(dist)", main = "Transformed")

}

也可以看看

對於(廣義)線性模型，plot.lm 和 predict.glm 。