假设您的多元回归方程为
y^=2x1+5x2+3
其中ÿy^指“预测 ”。y
现在仅取那些点。然后,如果你绘制Ÿ对X 1x2=1y^x1,这些点将满足方程:
y^=2x1+5(1)+3=2x1+8
因此,它们必须位于斜率2且截距为8的直线上。y
现在取那些点。当您绘制Ÿ对X 1,然后将这些点满足:x2=2y^x1
y^=2x1+5(2)+3=2x1+13
因此,这是一条斜率2的线,且 -intercept为13。您可以自己验证一下,如果x 2 = 3,则得到另一条斜率2的线,并且y -intercept为18。yx2=3y
我们看到值不同的点将位于不同的线上,但所有点都具有相同的梯度:原始回归方程中2 x 1的系数的含义是,ceteris paribus即保持其他预测变量不变,即1在单位增加X 1增大预测的平均响应ý由两个单位,而的截距的含义3的回归方程中的是,当X 1 = 0和X 2 = 0x22x1x1y^3x1=0x2=0那么预测的平均响应是3。但是,并非所有的点都具有相同的,这意味着它们位于具有不同截距的直线上- 对于x 2 = 0的那些点,该线仅具有截距3。因此,您可能会看到(如果只出现x 2的某些值,例如x 2始终是整数)而不是看到一行,而是看到一系列对角线“条纹”。考虑下面的数据,其中ÿ = 2 X 1 + 5 X 2 + 3。x23x2=0x2x2y^=2x1+5x2+3
这里有明显的“条纹”。现在,如果我将为红色圆圈,x 2 = 2表示为金色三角形,x 2 = 3表示为蓝色正方形的点上色,我们将看到它们位于三个不同的直线上,所有直线的斜率均为2,y截距如上计算的图8、13和18。当然,如果不限制x 2取整数值,或者由于回归中包含其他预测变量而使情况复杂化,则对角线条纹将不太清楚,但是每个预测点仍然会如此位于单独的行上x2=1x2=2x2=3yx2基于图中未显示的其他预测因子的值。
如果要绘制的3维图形对X 1和X 2,那么你的预测点结合等式二维平面都位于Ŷ = 2 X 1 + 5 X 2 + 3。我上面描述的y vs x 1图是该三维图在二维上的投影-想象一下将自己与x 2轴对齐,以便您向下看,而y轴指向上方,x 1个yx1x2y^=2x1+5x2+3yx1x2yx1-轴指向您的右边。
yy值则这些值将垂直位于这些点的上方或下方,这取决于残差分别是正值还是负值。
y^x1x2x2y^x1x2yx1 x2yx1
R图的代码
library(scatterplot3d)
data.df <- data.frame(
x1 = c(0,2,4,5,8, 1,3,4,7,8, 0,3,5,6,7),
x2 = c(1,1,1,1,1, 2,2,2,2,2, 3,3,3,3,3)
)
data.df$yhat <- with(data.df, 2*x1 + 5*x2 + 3)
data1.df <- data.df[data.df$x2==1,]
data2.df <- data.df[data.df$x2==2,]
data3.df <- data.df[data.df$x2==3,]
#Before lines added
mar.default <- c(5,4,4,2) + 0.1
par(mar = mar.default + c(0, 1, 0, 0))
plot(data.df[c("x1","yhat")], main=expression("Predicted y against "*x[1]),
xlab=expression(x[1]), ylab=expression(hat(y)))
#After lines added
plot(data.df[c("x1","yhat")], main=expression("Predicted y against "*x[1]),
xlab=expression(x[1]), ylab=expression(hat(y)), pch=".")
points(data1.df[c("x1","yhat")], pch=19, col="red")
abline(lm(yhat ~ x1, data=data1.df), col="red")
points(data2.df[c("x1","yhat")], pch=17, col="gold")
abline(lm(yhat ~ x1, data=data2.df), col="gold")
points(data3.df[c("x1","yhat")], pch=15, col="blue")
abline(lm(yhat ~ x1, data=data3.df), col="blue")
#3d plot
myPlot <- scatterplot3d(data.df, pch=".", xlab=expression(x[1]),
ylab=expression(x[2]), zlab=expression(hat(y)),
main=expression("Predicted y against "*x[1]*" and "*x[2]))
myPlot$plane3d(Intercept=3, x.coef=2, y.coef=5, col="darkgrey")
myPlot$points3d(data1.df, pch=19, col="red")
myPlot$points3d(data2.df, pch=17, col="gold")
myPlot$points3d(data3.df, pch=15, col="blue")
print(myPlot)