ggplot绘制带置信区间回归线：Y轴取对数时的异常排查

问题1：未开启Y轴对数时出现黑色矩形 #

原因 #

黑色矩形通常是因为预测置信区间的下限（lwr）存在负值或0，geom_ribbon会填充从下限到上限的全部区域，当y轴默认只显示正数范围时，负值部分会被压缩到图的底部，形成黑色块（若你的fill参数设为黑色）。

解决步骤 #

1. 先检查预测数据的区间值：

summary(pred_df$lwr)
summary(pred_df$upr)

2. 将下限值限制在极小的正数范围内（避免破坏趋势）：

pred_df$lwr <- pmax(pred_df$lwr, 1e-3)  # 可根据数据实际情况调整阈值

3. 绘图时建议用浅色调填充区间，同时可明确设置y轴可视范围：

ggplot(pred_df, aes(x = x, y = y)) +
  geom_line() +
  geom_ribbon(aes(ymin = lwr, ymax = upr), alpha = 0.2, fill = "gray") +
  ylim(c(1e-3, NA))

问题2：开启scale_y_log10()后部分置信区间丢失 #

原因 #

对数变换（log10）不支持非正数（0或负数无数学意义），ggplot会自动过滤掉lwr/upr≤0的行，导致对应位置的置信区间丢失。

解决方法（二选一） #

方法1：修正现有预测区间的非正值

直接把区间上下限修正为极小正数，确保所有值都在对数变换的有效范围内：

pred_df$lwr <- pmax(pred_df$lwr, 1e-3)
pred_df$upr <- pmax(pred_df$upr, 1e-3)  # 若上限也存在异常值可同步处理

ggplot(pred_df, aes(x = x, y = y)) +
  geom_line() +
  geom_ribbon(aes(ymin = lwr, ymax = upr), alpha = 0.2) +
  scale_y_log10()

方法2：拟合对数线性模型（更严谨）

直接对响应变量做对数变换后拟合模型，再转换回原始尺度的预测区间，从根源避免非正值：

# 基于原始数据拟合对数线性模型
model_log <- lm(log10(y) ~ x, data = original_data)

# 生成预测数据（含置信区间）
new_x <- data.frame(x = seq(min(original_data$x), max(original_data$x), length.out = 100))
pred_log <- predict(model_log, newdata = new_x, interval = "confidence")

# 转换回原始尺度
pred_df <- data.frame(
  x = new_x$x,
  y = 10^pred_log[, "fit"],
  lwr = 10^pred_log[, "lwr"],
  upr = 10^pred_log[, "upr"]
)

# 绘图，此时所有区间值均为正数
ggplot(pred_df, aes(x = x, y = y)) +
  geom_line() +
  geom_ribbon(aes(ymin = lwr, ymax = upr), alpha = 0.2) +
  scale_y_log10()

内容的提问来源于stack exchange，提问作者yuliaUU