在 R 中绘制多元回归的“回归线”

我用几个连续预测变量进行了多元回归，其中一些结果很重要，我想创建一个 DV 的散点图或类似散点图one预测变量，包括“回归线”。我怎样才能做到这一点？

我的情节看起来像这样

D = my.data; plot( D$probCategorySame, D$posttestScore )

如果是简单回归，我可以添加如下回归线：

lmSimple <- lm( posttestScore ~ probCategorySame, data=D )
abline( lmSimple ) 

但我的实际模型是这样的：

lmMultiple <- lm( posttestScore ~ pretestScore + probCategorySame + probDataRelated + practiceAccuracy + practiceNumTrials, data=D )

我想添加一条回归线，反映实际模型而不是简化模型的系数和截距。我想我很乐意为所有其他预测变量假设平均值，以便做到这一点，尽管我已经准备好听到相反的建议。

这可能没有什么区别，但为了以防万一，我会提到，由于我可能不想绘制原始数据，情况会稍微复杂一些。相反，我想绘制预测变量的分箱值的 DV 平均值，如下所示：

D[,'probCSBinned'] = cut( my.data$probCategorySame, as.numeric( seq( 0,1,0.04 ) ), include.lowest=TRUE, right=FALSE, labels=FALSE )
D = aggregate( posttestScore~probCSBinned, data=D, FUN=mean )
plot( D$probCSBinned, D$posttestScore )

只是因为当我这样做时，我的数据看起来更干净。

绘制线性或广义线性模型中的各个项（即，拟合lm or glm), use termplot。无需分箱或其他操作。

# plot everything on one page
par(mfrow=c(2,3))
termplot(lmMultiple)

# plot individual term
par(mfrow=c(1,1))
termplot(lmMultiple, terms="preTestScore")