R语言单数据表双回归直线绘制问题：截距异常排查与替代方案咨询

首先看你遇到的核心问题：第二个回归模型（subsetRest对应的蓝色直线）没有截距，是因为你在公式里用了~ 0 + spending。0（或-1）在R的回归公式里是强制模型不拟合截距项的指令，而且你后面写的0*spending完全是多余的，这就导致蓝色直线变成了过原点的回归线，和你想要的带截距的回归逻辑不符。

1. 修正现有拆分数据集的代码 #

把subsetRest的模型公式改成和subsetWest一致的带截距形式，同时简化冗余的公式写法：

salary = data$salary
spending = data$spending
D3 = data$West
subsetWest = subset(data, D3 == 1)
subsetRest = subset(data, D3 == 0)

# 简化公式：R中~spending默认包含截距，无需重复写1+spending
abab = lm(salary ~ spending, data=subsetWest) # 红色直线
caca = lm(salary ~ spending, data=subsetRest) # 蓝色直线

plot(spending,salary)
points(subsetWest$spending, subsetWest$salary, pch=25, col = "red")
points(subsetRest$spending, subsetRest$salary, pch=10, col = "blue")
abline(abab, col = "red")
abline(caca, col = "blue")

2. 更高效的替代方法：直接用交互项模型，无需拆分数据集 #

你最初设定的公式salary = beta0 + beta1 D3 + beta2 spending + beta3*(spending*D3) + w就是典型的交互项模型，完全可以直接拟合这个模型，再基于模型预测值绘制两条直线，不用手动拆分数据集，更简洁且不易出错：

# 拟合包含交互项的模型，等价于你给出的公式
model <- lm(salary ~ spending * D3, data = data)

# 绘制基础散点图，直接区分两类点的样式和颜色
plot(spending, salary, 
     col = ifelse(data$D3 == 1, "red", "blue"),
     pch = ifelse(data$D3 == 1, 25, 10))

# 生成spending的连续序列，确保直线覆盖完整取值范围
spend_seq <- seq(min(data$spending), max(data$spending), length.out = 100)

# 计算West地区（D3=1）的预测值，绘制红色直线
pred_west <- predict(model, newdata = data.frame(spending = spend_seq, D3 = 1))
lines(spend_seq, pred_west, col = "red", lwd = 2)

# 计算非West地区（D3=0）的预测值，绘制蓝色直线
pred_rest <- predict(model, newdata = data.frame(spending = spend_seq, D3 = 0))
lines(spend_seq, pred_rest, col = "blue", lwd = 2)

这种方法的优势是完全对应你最初的回归逻辑，避免了拆分数据时可能出现的疏漏，同时predict()生成的直线会覆盖整个spending的取值区间，视觉效果更连贯。

补充语法说明 #

• R公式中y ~ x * z等价于y ~ x + z + x:z，自动包含主效应和交互项，完美匹配你给出的回归公式。
• 用lines()结合predict()绘制直线，比abline()更灵活，尤其适合包含交互项、多项式等复杂模型的场景。

内容的提问来源于stack exchange，提问作者Mark