Diyelim ki çoklu regresyon denkleminiz
y^=2x1+5x2+3
burada Y anlamına gelen "tahmin y ".y^y
Şimdi sadece olan noktaları ele alalım . Eğer çizmek Sonra y karşı x 1 , bu noktaların denklemini tatmin edecek:x2=1y^x1
y^=2x1+5(1)+3=2x1+8
Bu nedenle, eğim 2 çizgisinde ve -kesit 8 ile uzanmalıdırlar.y
Şimdi olan noktaları ele alalım . Eğer çizmek zaman y karşı x 1 , daha sonra bu noktalar tatmin:x2=2y^x1
y^=2x1+5(2)+3=2x1+13
Yani bu bir eğim 2 çizgisi ve -intercept 13 ile . Kendiniz için x 2 = 3 ise başka bir eğim 2 çizgisi ve y- intercept 18 olduğunu doğrulayabilirsiniz.yx2=3y
Farklı değerlerine sahip noktaların farklı çizgiler üzerinde, ancak hepsi aynı gradyanda olacağını görüyoruz : orijinal regresyon denklemindeki 2 x 1 katsayısının anlamı , ceteris paribus yani diğer tahmincileri sabit tutan, bir birim artış x 1 artar tahmin edilen ortalama tepki y arasında kesişim anlamı ise, iki birim tarafından, 3 regresyon denklemi iken bu x 1 = 0 ve x 2 = 0 sonra tahmin edilen ortalama tepki 3x22x1x1y^3x1=0x2=03. Ancak tüm puanlarınız aynı değerine sahip değildir , yani farklı bir kesişme çizgisine sahip oldukları anlamına gelir - çizgi, x 2 = 0 olan noktalar için yalnızca kesme 3'e sahip olur . Dolayısıyla, tek bir satır görmek yerine (yalnızca x 2'nin belirli değerleri varsa, örneğin x 2 her zaman tamsayı ise) bir dizi diyagonal "çizgi" görebilirsiniz. Burada, aşağıdaki verileri inceleyin y = 2 x 1 + 5 x 2 + 3 .x23x2=0x2x2y^=2x1+5x2+3
Burada algılanabilir "çizgiler" var. Şimdi kırmızı daireler olarak, x 2 = 2'yi altın üçgenler ve x 2 = 3'ü mavi kareler olarak renklendirirsem , bunların hepsi eğim 2 ve y- konseptleri olmak üzere üç ayrı çizgi üzerinde olduklarını görürüz. 8, 13 ve 18 yukarıda hesaplandığı gibidir. Eğer Tabii ki, x 2 değerlerini tam sayı alma yoluna giden değildi, ya da durum regresyon dahil edilen diğer tahmini değişkenler tarafından karışıktı, daha sonra çapraz çizilme az belirgin olacaktır, ama yine de her noktayı tahmin bu durumda olacağını ayrı bir hatta yatıyorx2=1x2=2x2=3yx2grafikte gösterilmeyen diğer öngörücülerin değerlerine dayalı olarak .
yx1x2y^=2x1+5x2+3yx1x2yx1- eksen sağınızı gösterir.
yy
y^x1x2x2y^x1x2yx1 x2yx1
R grafikleri için kod
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)