以下是一些建议（关于您的情节，而不是关于我将如何说明相关/回归分析）：

• 您在左右边距中显示的两个单变量图可以通过调用来简化rug()；
• 和的密度图或箱线图会提供更多信息，这可能会让人想起在这种情况下毫无意义的双正态假设的想法；$X$$Y$
• 除了回归线之外，还值得展示趋势的非参数估计，例如黄土（这是一种很好的做法，并且对可能的局部非线性提供了丰富的信息）；
• 根据杠杆效应或库克距离，可以突出显示点（用不同的颜色或大小），即显示单个值在估计回归线上的影响力的任何度量。我将支持@DWin 的评论，我认为最好强调单个点如何“降低”拟合优度或导致某种偏离线性假设。

值得注意的是，该图假设 X 和 Y 是非配对数据，否则我会坚持使用 Bland-Altman 图（对），以及散点图。$(X-Y)$$(X+Y)/2$

没有回答您的确切问题，但是通过根据stackoveflow的答案可视化线性相关的一个可能陷阱，以下内容可能会很有趣：

par(mfrow=c(2,1))

set.seed(1)
x <- rnorm(1000)
y <- rnorm(1000)
plot(y~x, ylab = "", main=paste('1000 random values (r=', round(cor(x,y), 4), ')',  sep=''))
abline(lm(y~x), col = 2, lwd = 2)

x <- c(x, 500)
y <- c(y, 500)
cor(x,y)
plot(y~x, ylab = "", main=paste('1000 random values and (500, 500) (r=', round(cor(x,y), 4), ')',  sep=''))
abline(lm(y~x), col = 2, lwd = 2)

@Gavin Simpson和@bill_080 的回答还包括同一主题中的相关图。

我有两个双面板图，左侧都有 xy 图，右侧有直方图。在第一个图中，水平线放置在 y 的平均值处，并且线从该点延伸到每个点，表示 y 值与平均值的残差。直方图只是简单地绘制了这些残差。然后在下一对中，xy 图包含代表线性拟合的线和代表残差的垂直线，它们在右侧的直方图中表示。保持直方图的 x 轴不变，以突出显示线性拟合中相对于平均“拟合”的较低值的转变。

我认为你的建议很好，但我会在三个不同的例子中这样做

1) X 和 Y 完全不相关。只需从生成 y 的 r 代码中删除 "x" (y1<-rnorm(50))

2) 您发布的示例 (y2 <- x+rnorm(50))

3) X 和 Y 是同一个变量。只需从生成 y (y3<-x) 的 r 代码中删除“rnorm(50)”

这将更明确地显示增加相关性如何降低残差的可变性。您只需要确保垂直轴不会随着每个绘图而改变，如果您使用默认缩放比例可能会发生这种情况。

所以你可以比较三个图 r1 vs x、r2 vs x 和 r3 vs x。我使用“r”分别表示使用 y1、y2 和 y3 拟合的残差。

我在绘图方面的 R 技能相当无望，所以在这里我无法提供太多帮助。