逻辑回归中geom_smooth()与手动LOESS拟合的差异及二进制数据处理

你遇到的核心问题是变换顺序差异，以及普通LOESS直接处理二元0/1数据的局限性。下面详细解释原因和正确做法：

为什么结果不一致？ #

你的代码里存在两个关键问题：

1. 手动拟合的是chd ~ sbp的普通LOESS（直接对0/1值做线性平滑），之后对预测值做logit变换；
2. chd_odd的构造逻辑错误——你用整体样本的log odds替换个体的0/1值，完全不符合个体水平的log odds定义，导致geom_smooth拟合的是错误的响应变量，自然和手动结果脱节。

LOESS处理二进制数据的正确思路 #

普通LOESS是为连续响应变量设计的，直接拟合0/1数据会有两个问题：

• 预测值可能超出0-1范围（逻辑上不符合概率定义）；
• 忽略二元数据的伯努利分布特性，拟合效率低。

正确的处理方式有两种：

方式1：在Logit尺度做LOESS平滑，再反变换回概率 #

先把二元结局转换为logit尺度（为避免0/1导致的无穷值，可加微小偏移），用LOESS拟合这个连续的logit值，最后通过plogis()反变换得到符合0-1范围的概率：

set.seed(123)
n <- 100
data_mi <- data.frame(
  sbp = rnorm(n, mean = 130, sd = 15),
  chd = rbinom(n, size = 1, prob = 0.3)
)

# 计算带偏移的logit值，避免0/1导致的无穷大
data_mi$logit_chd <- log( (data_mi$chd + 0.01) / (1 - data_mi$chd + 0.01) )

# 拟合LOESS到logit尺度
loess_logit_fit <- loess(logit_chd ~ sbp, data = data_mi, degree = 1)
data_mi$pred_logit <- predict(loess_logit_fit)
# 反变换回概率
data_mi$pred_prob <- plogis(data_mi$pred_logit)

# 可视化
library(ggplot2)
ggplot(data_mi, aes(x = sbp)) +
  geom_point(aes(y = chd), alpha = 0.6) +
  geom_line(aes(y = pred_prob), color = "darkred", linewidth = 1) +
  labs(y = "CHD发病概率", x = "收缩压(SBP)")

方式2：使用广义加性模型（GAM）替代LOESS #

GAM专门支持非参数平滑，且可以指定二项式族适配二元数据，是更专业的选择：

library(mgcv)
# 拟合GAM模型
gam_fit <- gam(chd ~ s(sbp), data = data_mi, family = binomial)
# 预测概率
data_mi$gam_pred_prob <- predict(gam_fit, type = "response")

# 可视化
ggplot(data_mi, aes(x = sbp)) +
  geom_point(aes(y = chd), alpha = 0.6) +
  geom_line(aes(y = gam_pred_prob), color = "steelblue", linewidth = 1) +
  labs(y = "CHD发病概率", x = "收缩压(SBP)")

原始结果对比 #

拟合结果对比图：

Logit变换图：

内容的提问来源于stack exchange，提问作者doraemon