如何获得fx= kx + d形式的线性回归线？

如何解决如何获得fx= kx + d形式的线性回归线？

我有一个带有时间数据的数据框dt.Data（该数据框的值每天都在变化），我正在用ggplot()绘制相关散布图和回归线。 R代码如下所示：

set.seed(123)

## Create data frame: ##
df.Data <- data.frame(date = seq(as.Date('2018-01-01'),by = '1 day',length.out = 1100),DE = rnorm(1100,2,1),AT = rnorm(1100,5,2))
corPearson <- cor.test(x = df.Data$DE,y = df.Data$AT,method = "pearson")

df.Data$year <- format(as.Date(df.Data$date),'%Y')

p <- ggplot(data = df.Data,aes(x = DE,y = AT,group = 1)
      ) +
      geom_point(aes(color = year)) + 
      geom_smooth(method = "lm",se = FALSE,color = "#007d3c") +
      theme_classic() +
      theme(legend.position = "none") +
      theme(panel.background = element_blank()) +
      scale_colour_brewer(palette = 'Greens') + 
      xlab(product1) +
      ylab(product2) +
      ggtitle("Correlation Scatter Plot (Pearson)") +
      theme(plot.title = element_text(hjust = 0.5,face = "bold"))

# Correlation plot converting from ggplot to plotly: #
CorrelationPlot <- plotly::ggplotly(p,tooltip = "text")

回归线绘制为：geom_smooth(method = "lm",color = "#007d3c")。

情节如下：

我现在的问题是：如何以 f（x）= kx + d 的形式获得回归线的函数？我已经在stackoverflow中见过几次这个问题，但是没有答案是完整或有用的。有人可以帮我吗？

编辑：如果我使用这个

reg <- lm(df.Data$AT ~ df.Data$DE)
summary(reg)

摘要的输出为：

d=5.07667（红色）和k=-0.03306（蓝色）在哪里？这个对吗？如何提取两个值并构造如下函数：f(x)=kx+d=-0.3303x+5.07667 ??

我需要这个f(x)作为RShiny应用程序中valueBox()的输出。

解决方法

您可以使用lm()函数：

reg <- lm (df.Data$AT ~ df.Data$DE)
summary (reg)

总结时，您可以看到截距，即您的d和斜率（即您的k）。让我知道这是否有帮助：）

对于新的预测，您可以使用预测功能。

提示：对于新数据的预测，您必须在Forecast函数中为data.frame提供一个与公式中的列名称相同的data.frame参数。但是，如果您通过以下方式拟合模型：

reg <- lm (df.Data$AT ~ df.Data$DE)

您将不得不创建一个新的data.frame，其列名称为'df.Data $ DE'，这很烦人。

使用lm函数中的“数据”参数更方便：

reg <- lm(AT ~ DE,data = df.Data)
predict(reg,newdata = data.frame(DE = 2.0))

提示：如果您仅对模型的系数感兴趣，还可以使用“ coef”方法：

reg <- lm(AT ~ DE,data = df.Data)
coef(reg)