为何get_datagrid+get_predicted生成的ggplot与predictions方法结果不同？

我用以下代码加载数据并拟合回归模型：

library(tidyverse)
library(marginaleffects)
data(efc, package = "ggeffects")
efc <- efc %>% na.omit()
efc <- datawizard::to_factor(efc, c("c161sex", "c172code"))

mod <- lm(barthtot ~ c172code + c12hour*c161sex, efc)
pred <- predictions(mod, newdata = datagrid(c172code = unique, c12hour=unique,
  c161sex = unique))

通过这段代码生成目标图形：

ggplot(pred, aes(c12hour, barthtot, colour = c161sex )) + facet_wrap(~c172code )+
  geom_line(position = position_dodge(0.2)) +
  ggtitle("Predicted values of barthtot") 

之后尝试用easystats包的get_datagrid()和get_predicted()复现图形：

library(easystats)
vizdata <- get_datagrid(efc, by = c("c12hour", "c161sex","c172code"))
vizdata$Predicted <- get_predicted(mod, vizdata)

ggplot(efc, aes(x = c12hour , y = barthtot, color =c161sex ))  +
  geom_line(data = vizdata, aes(y = Predicted), linewidth = 1)  +facet_wrap(~c172code )

得到的图形和第一种方法生成的不一致，请问原因是什么？

核心差异点 #

1. 连续变量的取值逻辑不同
   marginaleffects的datagrid(c12hour=unique)会保留c12hour的所有原始唯一值；而get_datagrid()默认对连续变量（如c12hour）进行等距抽样（默认生成10个分位值），这直接导致两组预测数据的x轴点数量、取值完全不同，图形自然无法匹配。
2. 绘图数据集引用错误
   你在ggplot()中以原始数据efc作为主数据集，但实际只需要用预测数据集vizdata绘图，原始数据的引入会干扰图形逻辑（虽不是核心问题，但会导致冗余）。

修正后的代码 #

要完全复现原图形，需调整get_datagrid()的参数，让它保留c12hour的所有唯一值，同时修正绘图的数据集引用：

library(easystats)
# 指定变量取原始唯一值，和marginaleffects的datagrid逻辑对齐
vizdata <- get_datagrid(efc, 
                        variables = list(c12hour = ~unique(),
                                        c161sex = ~unique(),
                                        c172code = ~unique()))
vizdata$Predicted <- get_predicted(mod, vizdata)

# 仅用预测数据集绘图，保留原图形的偏移效果
ggplot(vizdata, aes(x = c12hour, y = Predicted, colour = c161sex)) +
  facet_wrap(~c172code) +
  geom_line(position = position_dodge(0.2)) +
  ggtitle("Predicted values of barthtot")

补充说明 #

get_datagrid()针对连续变量的默认行为是生成等距分位数，这是为了让预测曲线更平滑；而marginaleffects的datagrid(xxx=unique)是严格保留原始数据的所有离散取值，这是两者的核心设计差异。

内容的提问来源于stack exchange，提问作者mariann