有没有办法在 R 中可视化多元回归（超过 3 个自变量）+- 1 SD？

Question

我正在尝试 (i) 可视化多元线性回归（>3 个自变量）和 (ii) 为我的线性回归线绘制标准差走廊，但我不确定如何执行此操作。具体来说，我想绘制 +- SD 线。虹膜的例子：

lm1 <- lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Width + iris$Species+ iris$Petal.Width)
summary(lm1)
library(car)
avPlots(lm1, intercept = TRUE)
 
library(ggplot2)

ggplot(iris, aes(x = iris$Sepal.Width, y = Sepal.Length,
                   
                   col = factor(Species)))+ geom_point(size=1)+ theme_bw()+geom_smooth(method=lm,se=FALSE, fullrange=TRUE)

这给了我添加的变量图和 Sepal.Length~Sepal.Width + Species 的回归线。我想知道 (i) 是否有比添加的变量图更有效的方法来总结结果（我已经看到像 https://stats.stackexchange.com/questions/89747/how-to-describe-or-visualize-a-multiple-linear-regression-model and https://stats.stackexchange.com/questions/71413/best-way-to-visually-present-relationships-from-a-multiple-linear-model 这样的线程我只是想知道是否有是最近开发的函数，例如 ggPredict，最多适用于 3 个变量）和 (ii) 如何在这两个图上添加标准偏差。

红色回归线 Sepal.Length~Sepal.Width 上的预期输出示例：

Answer 1

也许是这样的？此处，band 代表标准误差，这是衡量回归线可能仅基于抽样误差的错误程度。

library(tidyverse); library(ggforce)
ggplot(iris, aes(x = .panel_x, y = .panel_y)) +
  geom_point() +
  geom_smooth(method = "lm") +
  facet_matrix(vars(Sepal.Length:Petal.Width), layer.diag = 3)

有没有办法在 R 中可视化多元回归（超过 3 个自变量）+- 1 SD？

Is there a way to visualize a mutliple regression (more than 3 independent variables) +- 1 SD in R?

r

data-visualization

linear-regression

ggplot2

stdev