Não há nada de errado com sua estratégia atual. Se você tiver um modelo de regressão múltipla com apenas duas variáveis explicativas, poderá tentar fazer um gráfico 3D-ish que exiba o plano de regressão previsto, mas a maioria dos softwares não facilita isso. Outra possibilidade é usar um coplot (veja também: coplot em R ou neste pdf ), que pode representar três ou até quatro variáveis, mas muitas pessoas não sabem como lê-las. Essencialmente, no entanto, se você não tiver nenhuma interação, o relacionamento marginal previsto entre e será o mesmo que o condicional previstoxjyrelacionamento (mais ou menos algum deslocamento vertical) em qualquer nível específico de suas outras variáveis . Portanto, você pode simplesmente definir todas as outras variáveis com suas médias e encontrar a linha prevista e plotar essa linha em um gráfico de dispersão de pares. Além disso, você terminará com tais parcelas, embora possa não incluir algumas se achar que elas não são importantes. (Por exemplo, é comum ter um modelo de regressão múltipla com uma única variável de interesse e algumas variáveis de controle e apresentar apenas o primeiro gráfico desse tipo). xxy^=β^0+⋯+β^jxj+⋯+β^px¯p(xj,y)p
Por outro lado, se você faz ter interações, então você deve descobrir qual das variáveis interagindo você está mais interessado em e traçar a relação prevista entre essa variável e a variável resposta, mas com várias linhas na mesma trama. A outra variável de interação é configurada em níveis diferentes para cada uma dessas linhas. Os valores típicos seriam a média e 1 DP da variável em interação. Para deixar isso mais claro, imagine que você tenha apenas duas variáveis, e , e tenha uma interação entre elas, e que seja o foco do seu estudo, e faça um gráfico único com estas três linhas:±x1x2x1
y^y^y^=β^0+β^1x1+β^2(x¯2−sx2)+β^3x1(x¯2−sx2)=β^0+β^1x1+β^2x¯2 +β^3x1x¯2=β^0+β^1x1+β^2(x¯2+sx2)+β^3x1(x¯2+sx2)