在R中使用ggplot结合glm绘制逻辑回归时无拟合线问题

我来帮你搞定这个问题！你遇到的拟合线不显示的核心原因是你的age变量是分类（因子）类型，而geom_smooth()在处理分类x轴时，默认的逻辑回归模型不会生成一条连续的拟合线——因为二分类的x对应的是两个独立的成功概率，而非连续变量的趋势线。

下面给你两种可行的解决方案：

方案1：将分类变量转为数值型后绘图 #

把age转换成0/1的数值变量，让geom_smooth()能识别出连续的x轴，从而拟合出逻辑回归曲线：

# 先给age赋值数值标签
data$age_num <- ifelse(data$age == "18-49 years old", 0, 1)

# 绘制带拟合线的图
ggplot(data, aes(age_num, result)) +
  # 添加抖动散点，避免原始数据点重叠
  geom_jitter(width = 0.1, alpha = 0.5, color = "gray") +
  # 拟合逻辑回归线
  geom_smooth(method = "glm", formula = y ~ x, colour = "black", 
              method.args = list(family = binomial), se = TRUE) +
  # 把x轴标签改回原分类名称，更直观
  scale_x_continuous(breaks = c(0, 1), 
                     labels = c("18-49 years old", "50 and older")) +
  labs(x = "Age Group", y = "Result (1 = Success, 0 = Failure)")

方案2：直接在分类x轴上拟合概率点+趋势线 #

如果你不想转换变量，可以在geom_smooth()的公式里把分类变量转为数值，同时用stat_summary()展示每个年龄组的实际成功概率：

ggplot(data, aes(age, result)) +
  geom_jitter(width = 0.2, alpha = 0.3, color = "gray") +
  # 用红点显示每个年龄组的平均成功概率（即实际观测的概率）
  stat_summary(fun = mean, geom = "point", size = 3, color = "red") +
  # 拟合逻辑回归线，明确把分类x转为数值
  geom_smooth(method = "glm", formula = y ~ as.numeric(x), colour = "black", 
              method.args = list(family = binomial)) +
  labs(x = "Age Group", y = "Result (1 = Success, 0 = Failure)")

额外提示：先查看模型结果验证 #

你可以先单独拟合逻辑回归模型，确认参数是否合理，再对应到可视化上：

# 拟合逻辑回归模型
logit_model <- glm(result ~ age, data = data, family = binomial)
summary(logit_model)

# 计算每个年龄组的成功概率
predict(logit_model, newdata = data.frame(age = c("18-49 years old", "50 and older")), type = "response")

这样你就能清楚看到两组的预测概率，也能对应上可视化里的拟合结果啦～

内容的提问来源于stack exchange，提问作者Vlad Fedo