Cómo agregar una ecuación de regresión a una gráfica en R

A menudo, es posible que desee agregar una ecuación de regresión a una gráfica en R de la siguiente manera:

Afortunadamente, esto es bastante fácil de hacer usando funciones de los paquetes ggplot2 y ggpubr .

Este tutorial proporciona un ejemplo paso a paso de cómo usar funciones de estos paquetes para agregar una ecuación de regresión a una gráfica en R.

Paso 1: crear los datos

Primero, creemos algunos datos falsos para trabajar:

#Haga que este conjunto de ejemplo sea reproducible
 . semilla (1)

#create data frame
 df <- data. marco (x = c (1: 100))
gl $ y <- 4 * gl $ x + rnorm (100, sd = 20)

#view head of data frame
 head (df)

  xy
1 1 -8.529076
2 2 11.672866
3 3 -4,712572
4 4 47.905616
5 5 26.590155
6 6 7.590632

Paso 2: crear la gráfica con ecuación de regresión

A continuación, usaremos la siguiente sintaxis para crear un diagrama de dispersión con una ecuación y una línea de regresión ajustadas:

#cargar bibliotecas necesarias
 biblioteca (ggplot2)
 biblioteca (ggpubr)

#crear gráfico con línea de regresión y ecuación de regresión
 ggplot (data = df, aes (x = x, y = y)) +
        geom_smooth (método = " lm ") +
        geom_point () +
        stat_regline_equation (etiqueta. x = 30, etiqueta. y = 310)

Esto nos dice que la ecuación de regresión ajustada es:

y = 2,6 + 4 * (x)

Tenga en cuenta que label.x y label.y especificar las coordenadas (x, y) las coordenadas de la ecuación de regresión que se visualiza.

Paso 3: agregue R-Squared a la gráfica (opcional)

También puede agregar el valor R cuadrado del modelo de regresión si desea utilizar la siguiente sintaxis:

#cargar bibliotecas necesarias
 biblioteca (ggplot2)
 biblioteca (ggpubr)

#crear gráfico con línea de regresión, ecuación de regresión y ggplot de R cuadrado
 (datos = gl, aes (x = x, y = y)) +
        geom_smooth (método = " lm ") +
        geom_point () +
        stat_regline_equation (etiqueta. x = 30, etiqueta. y = 310) +
    stat_cor ( aes (etiqueta = .. rr.label ..), etiqueta. x = 30, etiqueta. y = 290)

El R cuadrado de este modelo resulta ser 0,98 .

Puede encontrar más tutoriales de R en esta página .

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/