ggplot2高效绘制残差图

本节分享一个小案例，如何使用ggplot2中的「stat_smooth」函数来快速绘制残差图。

❝残差图是一种用于回归分析的图形工具，它显示了模型的预测值与实际观测值之间的差异，即残差。残差是观测值与模型预测值之间的差值。 ❞

「残差图的主要目的是：」

1. 「检查线性回归模型的假设」：线性回归模型有几个关键的假设，如误差项的独立性、常数方差（同方差性）和误差项的正态性。残差图可以帮助我们检查这些假设是否得到满足。
2. 「识别模型中的异常值」：如果某些点在残差图上显著偏离其他点，它们可能是异常值或杠杆点，可能会影响模型的准确性。
3. 「检查模型的拟合情况」：如果残差图显示出某种模式或趋势，而不是随机分布的点，这可能意味着模型没有充分捕捉到数据中的某些信息或关系。

常见的残差图有：

• 「基本残差图」：y轴表示残差，x轴表示预测值或观测值。
• 「标准化残差图」：y轴表示标准化残差，x轴表示预测值。
• 「QQ图」：用于检查残差的正态分布假设。
• 「Scale-Location图」：用于检查同方差性的假设。

具体代码

# 使用mtcars数据集
mtcars %>% 
  ggplot(aes(wt,mpg)) +
  geom_point() +   # 添加散点图层，显示每辆车的重量和每加仑的英里数
  geom_smooth() +   # 基于wt和mpg的数据点拟合回归曲线
  stat_smooth(geom="point",color="blue",xseq=mtcars$wt) +
  # 添加一个平滑层，以线段的形式表示，x轴的序列和结束点都是mtcars$wt，y轴的结束点是mtcars$mpg
  stat_smooth非常的高效，本(geom="segment",color="red",
              xseq=mtcars$wt,
              xend=mtcars$wt,
              yend=mtcars$mpg)   # 这些线段代表残差，即每个观测值与模型预测值之间的差异