如何从ggplot2的geom_smooth模型中提取标准差？（二次拟合场景）

问题根源 #

你之前用的ymin=after_stat(y-se*sqrt(length(y))逻辑不成立，因为：

• geom_smooth中的se是模型预测值的标准误（Standard Error），反映拟合线本身的不确定性（和模型参数方差相关）；
• 你需要的**观测数据的标准差（Standard Deviation）**是原始数据围绕拟合线的离散程度，对应模型的残差标准差（σ）；
• 仅在简单线性回归（y~x）的特殊场景下，se*sqrt(n)才近似等于残差标准差，但二次拟合（y ~ x + I(x^2)）属于非线性模型，两者的转换关系完全不适用，因此会出现结果不一致的情况。

正确解决方案 #

步骤1：拟合模型并提取残差标准差

先通过lm()拟合二次模型，用sigma()提取残差标准差——这就是你要的观测数据围绕拟合线的离散程度：

library(ggplot2)

# 示例数据（替换成你的数据）
set.seed(123)
x <- seq(0, 10, length.out = 100)
y <- 2 + 3*x - 0.2*x^2 + rnorm(100, 0, 2)
df <- data.frame(x, y)

# 拟合二次模型
model <- lm(y ~ x + I(x^2), data = df)
# 提取残差标准差
resid_sd <- sigma(model)

方式一：手动计算区间后绘图（更灵活）

生成拟合值和对应的标准差区间，用geom_line和geom_ribbon绘制：

# 生成预测用的x序列
new_x <- seq(min(df$x), max(df$x), length.out = 100)
pred_df <- data.frame(x = new_x)
# 计算拟合值
pred_df$fit <- predict(model, newdata = pred_df)
# 计算±1倍残差标准差的区间
pred_df$ymin <- pred_df$fit - resid_sd
pred_df$ymax <- pred_df$fit + resid_sd

# 绘图
ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.5) +
  geom_line(data = pred_df, aes(y = fit), color = "blue", linewidth = 1) +
  geom_ribbon(data = pred_df, aes(ymin = ymin, ymax = ymax), alpha = 0.2, fill = "blue")

方式二：直接在geom_smooth中使用残差标准差

如果想保留geom_smooth的语法，可以关闭默认的se，手动指定基于残差标准差的区间：

ggplot(df, aes(x, y)) +
  geom_point(alpha = 0.5) +
  geom_smooth(method = "lm", formula = y ~ x + I(x^2), 
              aes(ymin = after_stat(fit) - resid_sd, 
                  ymax = after_stat(fit) + resid_sd),
              se = FALSE, color = "blue", fill = "blue", alpha = 0.2)

关键说明 #

• 残差标准差sigma(model)是全局的，代表整个数据集围绕拟合线的平均离散程度；
• 如果你的数据存在异方差（不同x对应的离散程度不同），可以考虑用predict(model, interval = "prediction")生成预测区间，它会结合预测值的标准误和残差标准差，更准确反映单个观测的不确定性。

内容的提问来源于stack exchange，提问作者Sibylle Stöckli