哪种排序方法将根据响应变量预测分组？

Question

我有几个格式的回归模型 m <- lm(y ~ x, dat)

每个模型的 y 不同，但 x 始终相同

例如

data(Iris)

m <- lm(Iris$Sepal.L. ~ Sepal.W., data  = Iris)

我从 m

中提取了 X 和 Y

X <- m$call [2][[1]][[3]]
Y <- m$call [2][[1]][[2]]

然后我尝试在 ggplot 中使用 X 和 Y 表示 x 和 y

ggplot() +  
   geom_point(data = Iris, 
              aes(x = X , y = Y), size = 3)

我收到错误消息：

不知道如何为调用类型的对象自动选取比例。默认为连续。

错误：美学必须是长度1或与数据相同（150）：x,y,size

如何在 ggplot 中正确使用调用向量 X 和 Y？

注意：我想在一个函数的循环中使用这段代码，在这个函数中我指定了一个 Y 列表，所以我不想手动编写 aes(x = Iris$Sepal.W., y = Iris$Sepal.L.)

Answer 1

我想我已经解决了！

如果对其他人有帮助，这里是解决方案。（我需要查看更改 x 和 y 标签，但那是另一个问题）

ggplot() +  
   geom_point(data = Iris, 
              aes(x = Iris[[X]] , y = Iris[[Y]]), size = 3)

Answer 2

我的 R 没有附带 Iris 数据集，所以我将使用常见的 iris.

data(iris)

m <- lm(Sepal.Length ~ Sepal.Width, data = iris)

X <- as.character(m$call [2][[1]][[3]])
Y <- as.character(m$call[2][[1]][[2]])

ggplot() +  
  geom_point(aes(x = iris[, X] , y = iris[, Y]), size = 3)

注意一些事情。我的代码中没有 data 参数，因为您没有使用它，因为您将数据作为向量传递（例如 iris[, X]）。我将 X 和 Y 强制转换为一个角色，因为默认情况下，他们的 class 是 name.

哪种排序方法将根据响应变量预测分组？

which ordination method will predict grouping based on response variables?

r

ggplot2

lm