¿Cómo crear gráficos de variables agregadas en R?

En este artículo, discutiremos cómo crear una gráfica de variable agregada en el lenguaje de programación R.

La gráfica de variable agregada es una gráfica individual que muestra la relación entre una variable de respuesta y una variable de predicción en un modelo de regresión lineal múltiple mientras se controla la presencia de otras variables de predicción en el modelo. También se conoce como gráfico de regresión parcial. Estos gráficos nos permiten visualizar la relación entre cada variable predictora individual y la variable de respuesta en un modelo mientras se mantienen constantes otras variables predictoras.

Install - install.packages("car")

Ahora seleccionamos el espejo de cran deseado para instalar el paquete y luego cargamos el paquete y usamos la siguiente sintaxis para crear la gráfica de variable agregada.

Sintaxis:

avPlots(modelo_lineal)

dónde, 

• linear_model: determina el modelo a visualizar.

Ejemplo:

Aquí hay un ejemplo básico de gráfico de variables añadidas realizado con la función avPlots(). El conjunto de datos utilizado en el ejemplo es el conjunto de datos de diamantes que R Language proporciona de forma nativa.

# load library car and tidyverse
library(car)
library(tidyverse)
 
# fit multiple linear regression model
# on the data
linear_model <- lm(price ~ depth + table + carat +
                   x + y + z, data = diamonds)
 
# visualize linear regression model using
# avPlots function
avPlots(linear_model)

Producción:

Personalización del diseño

Podemos personalizar el diseño de la cuadrícula en la función avPlots() usando el parámetro de diseño de la función avPlots(). La función de diseño toma un vector como argumento que contiene el número de columnas y la variable número de filas. Estos dos valores determinan el diseño de la cuadrícula.

Sintaxis:

avPlots (modelo_lineal, diseño = c (columna, fila))

dónde,

• linear_model: determina el modelo a visualizar.
• columna: determina el número de columnas en la cuadrícula de diseño.
• fila: determina el número de filas en la cuadrícula de diseño.

Ejemplo:

Aquí, en este ejemplo, hemos agregado un gráfico variable con una cuadrícula de 2X3 utilizando parámetros de diseño. El conjunto de datos utilizado en el ejemplo es el conjunto de datos de diamantes que R Language proporciona de forma nativa.

# load library car and tidyverse
library(car)
library(tidyverse)
 
# fit multiple linear regression model
# on the data
linear_model <- lm(price ~ depth + table + carat +
                   x + y + z, data = diamonds)
 
# visualize linear regression model using
# avPlots function Use layout parameter for
# setting the layout of the plot
avPlots(linear_model, layout= c(2,3))

Producción: 

Personalización de colores y formas

Podemos personalizar la forma, el color y la dimensión de los objetos trazados, es decir, líneas y puntos, mediante el uso de parámetros de ajuste de la función avPlots(). Usamos los parámetros col, col.lines, pch y lwd para cambiar el color de los puntos trazados, el color de las líneas trazadas, la forma del punto de datos trazado y el ancho de la línea trazada, respectivamente. 

Sintaxis:

avPlots(modelo_lineal, col, col.lines, pch, lwd)

dónde,

• linear_model: determina el modelo a visualizar.
• col: determina el color de los puntos trazados.
• col.lines: determina el color de las líneas trazadas.
• pch: determina la forma de los puntos trazados.
• lwd: determina el ancho de línea para la línea trazada.

Ejemplo:

Aquí, hay una gráfica de variable agregada básica con puntos de color rojo y líneas de color verde con forma y ancho personalizados. El conjunto de datos utilizado en el ejemplo es el conjunto de datos de diamantes que R Language proporciona de forma nativa.

# load library car and tidyverse
library(car)
library(tidyverse)
 
# fit multiple linear regression model on the data
linear_model <- lm(price ~ depth + table + carat +
                   x + y + z, data = diamonds)
 
# visualize linear regression model using avPlots function
# Use customization parameters to customize the plot
avPlots(linear_model, col="Red", col.lines="green", pch=14, lwd=2)

Producción: