Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

plot

Gráfico de dispersión o parcela variable añadida del modelo de regresión lineal

Descripción

ejemplo

plot(mdl) crea una gráfica del modelo de regresión lineal.mdl El tipo de trazado depende del número de variables predictoras.

  • Si incluye varias variables predictoras, crea una para todo el modelo excepto el término constante (intercepción), equivalente a.mdlplotSe agregó gráfica variableplotAdded(mdl)

  • Si incluye una única variable predictora, crea un gráfico de dispersión de los datos junto con una curva ajustada y límites de confianza.mdlplot

  • Si no incluye un predictor, crea un histograma de los residuos, equivalente a.mdlplotplotResiduals(mdl)

h = plot(mdl) devuelve objetos gráficos para las líneas o el parche en el trazado. Se utiliza para modificar las propiedades de una línea o un parche específicos después de crear el trazado.h Para obtener una lista de propiedades, vea y.Line PropertiesPatch Properties

Ejemplos

contraer todo

Crear un modelo de regresión lineal del kilometraje del coche en función del peso y el año del modelo. A continuación, cree una gráfica de variable añadida para ver la importancia del modelo.

Cree un modelo de regresión lineal de kilometraje del conjunto de datos.carsmall

load carsmall Year = categorical(Model_Year); tbl = table(MPG,Weight,Year); mdl = fitlm(tbl,'MPG ~ Year + Weight^2');

Cree una gráfica de variable añadida del modelo.

plot(mdl)

La gráfica ilustra que el modelo es significativo porque una línea horizontal no encaja entre los límites de confianza.

Cree el mismo trazado utilizando la función.plotAdded

plotAdded(mdl)

Cree un diagrama de dispersión de datos junto con una curva ajustada y límites de confianza para un modelo de regresión lineal simple. Un modelo de regresión lineal simple incluye solo una variable predictora.

Cree un modelo de regresión lineal simple de kilometraje del conjunto de datos.carsmall

load carsmall tbl = table(MPG,Weight); mdl = fitlm(tbl,'MPG ~ Weight')
mdl =  Linear regression model:     MPG ~ 1 + Weight  Estimated Coefficients:                     Estimate        SE         tStat       pValue                      __________    _________    _______    __________      (Intercept)        49.238       1.6411     30.002    2.7015e-49     Weight         -0.0086119    0.0005348    -16.103    1.6434e-28   Number of observations: 94, Error degrees of freedom: 92 Root Mean Squared Error: 4.13 R-squared: 0.738,  Adjusted R-Squared: 0.735 F-statistic vs. constant model: 259, p-value = 1.64e-28 

de la variable es muy pequeña, lo que significa que la variable es estadísticamente significativa en el modelo.pValueWeight Visualice este resultado creando un gráfico de dispersión de los datos, junto con una curva ajustada y sus límites de confianza del 95%, utilizando la función.plot

plot(mdl)

La gráfica ilustra que el modelo es significativo porque una línea horizontal no encaja entre los límites de confianza, que es consistente con el resultado.pValue

Cree el mismo trazado utilizando la función.plotAdded

plotAdded(mdl)

Cuando un modelo incluye solo un término además del término constante, un valor ajustado equivale a su valor original. Por lo tanto, esta gráfica de variable añadida es la misma que la gráfica de dispersión creada por la función.plot

Argumentos de entrada

contraer todo

Modelo de regresión lineal, especificado como un objeto creado mediante o.LinearModelfitlmstepwiselm

Argumentos de salida

contraer todo

Objetos Graphics correspondientes a las líneas o parches del trazado, devueltos como una matriz de gráficos. Utilice la notación de puntos para consultar y establecer propiedades de objetos gráficos. Para obtener más información, consulte y.Line PropertiesPatch Properties

Si incluye uno o más predictores, a continuación,, y corresponden a los puntos de datos ajustados, la línea ajustada y los límites inferior y superior de la línea ajustada, respectivamente.mdlh(1)h(2)h(3)h(4)

Si no incluye un predictor, entonces corresponde al histograma de los residuos.mdlh

Más acerca de

contraer todo

Se agregó gráfica variable

Una gráfica de variable añadida, también conocida como una gráfica de apalancamiento de regresión parcial, ilustra el efecto incremental en la respuesta de los términos especificados causados por la eliminación de los efectos de todos los demás términos.

Una gráfica de variable añadida creada con un único término seleccionado que corresponde a una única variable predictora incluye estas parcelas:plotAdded

  • Gráfico de dispersión de valores de respuesta ajustados contra valores de variables predictores ajustados

  • Línea ajustada para valores de respuesta ajustados como una función de valores de variables predictoras ajustadas

  • 95% de los límites de confianza de la línea ajustada

Los valores ajustados son iguales a la media de la variable más los residuales de la variable ajustada a todos los predictores excepto al predictor seleccionado. Por ejemplo, considere una gráfica de variable añadida para la primera variable predictorax1. Ajuste la variable de respuesta y la variable predictora seleccionadayx1 a todos los predictores exceptox1 como sigue:

yi = gy(x2i, x3i, …, xpi) + ryi,

x1i = gx(x2i, x3i, …, xpi) + rxi,

Dónde Gy Y Gx son el ajuste de yyx1, respectivamente, contra todos los predictores excepto el predictor seleccionado (x1). Ry Y Rx son los vectores residuales correspondientes. El subíndice representa el número de observación.i El valor ajustado es la suma del valor medio y el residuo para cada observación.

y˜i=y¯+ryi,x˜1i=x¯1+rxi,

Dónde x¯1 Y y¯ representan el promedio dex1 y, respectivamente.y

traza un diagrama de dispersión de (plotAddedx˜1i, y˜i), una línea ajustada para y˜ como una función de x˜1 (es decir, β1x˜1), y los límites de confianza del 95% de la línea ajustada. El coeficienteβ1 es la misma que la estimación del coeficiente dex1 en el modelo completo, que incluye todos los predictores.

Ryi representa la parte de los valores de respuesta inexplicados por los predictores (exceptox1), y Rxi representa la parte delx1 valores inexplicables por los otros predictores. Por lo tanto, la línea ajustada representa cómo la nueva información introducida añadiendox1 puede explicar la parte inexplicable de los valores de respuesta. Si la pendiente de la línea ajustada está cerca de cero y los límites de confianza pueden incluir una línea horizontal, la gráfica indica que la nueva información dex1 no explica bien la parte inexplicable de los valores de respuesta. Es decirx1 no es significativo en el ajuste del modelo.

también admite una extensión de la gráfica de variables añadida para que pueda seleccionar varios términos en lugar de un solo término.plotAdded Por lo tanto, también puede especificar un predictor categórico, todos los términos que implican un predictor específico o el modelo como un todo (excepto un término constante (intercepción)). Considere un conjunto de predictores con un vector de coeficiente, dondeXβ Βi es la estimación del coeficiente de Xi en el modelo completo si especifica el coeficiente TH para una gráfica de variable añadida; Lo contrarioi Βi es cero. Defina un vector de dirección de unidad comou u = β/s Dónde s = norm(β). Entonces Xβ = (Xu)s. Tratar como un predictor único con un coeficiente, y crear una gráfica de variable añadida para de la misma manera que la creación de la trama para un solo término.XusXu El coeficiente de la línea ajustada en la gráfica variable añadida corresponde a.s

crea una gráfica de variable agregada para el modelo como un todo (excepto un término constante) si el modelo incluye varios términos.plot

Sugerencias

  • El cursor de datos muestra los valores del punto de trazado seleccionado en una punta de datos (cuadro de texto pequeño situado junto al punto de datos). La sugerencia de datos incluye los valores de eje y eje para el punto seleccionado, junto con el nombre o número de observación.xy

Funcionalidad alternativa

  • Un objeto proporciona varias funciones de trazado.LinearModel

    • Al crear un modelo, utilice para comprender el efecto de agregar o quitar una variable predictora.plotAdded

    • Al verificar un modelo, utilice para encontrar datos cuestionables y para entender el efecto de cada observación.plotDiagnostics También se utiliza para analizar los residuos del modelo.plotResiduals

    • Después de ajustar un modelo, utilice, y para entender el efecto de un predictor en particular.plotAdjustedResponseplotPartialDependenceplotEffects Se usa para comprender el efecto de interacción entre dos predictores.plotInteraction También se utiliza para trazar divisiones a través de la superficie de predicción.plotSlice

  • La función crea una gráfica de variable añadida para el modelo como un todo (excepto un término constante) si el modelo incluye varios términos.plot Uso plotAdded para seleccionar predictores concretos para una gráfica de variable añadida.

Introducido en R2012a