在R中为含分箱变量的散点图添加回归拟合线（多数据集）

关键修正：回归模型的正确写法 #

原代码里的log_rank_ratio^2在lm()中会被解析为交互项，而非数学意义上的平方，必须用I()包裹才能正确表示多项式项：

fit1 <- lm(quit ~ favorite + log_rank_ratio + I(log_rank_ratio^2) + I(log_rank_ratio^3), data = data_1)

方法一：直接用geom_smooth快速添加拟合线 #

在现有散点图代码中加入geom_smooth，指定基于data_1的三阶模型，同时限定x轴范围：

lost <- ggplot(data = data_2, 
               aes(x = log_rank_ratio, y = quit, color = as.factor(favorite))) +
  geom_point(size = 2) +
  # 基于data_1的三阶拟合线，如需置信区间可将se设为TRUE
  geom_smooth(data = data_1,
              method = "lm",
              formula = y ~ favorite + x + I(x^2) + I(x^3),
              se = FALSE,
              linewidth = 1) +
  theme_bw() + 
  xlab("Log Rank Ratio") +
  ylab("Observed Likelihood of Quitting Mid-Match") +
  geom_vline(xintercept = 0, linetype = "dashed", alpha = .7) +
  xlim(-1, 1) # 限定x轴范围为-1到1

方法二：生成预测数据绘制拟合线（更灵活） #

先基于data_1的模型生成预测序列，再用geom_line绘制，适合需要自定义拟合线细节的场景：

# 生成x范围-1到1的预测数据集，按favorite分组
new_data <- expand.grid(
  log_rank_ratio = seq(-1, 1, length.out = 100),
  favorite = unique(data_1$favorite)
)

# 用模型预测y值
new_data$pred_quit <- predict(fit1, newdata = new_data)

# 绘制图形
lost <- ggplot() +
  # 分箱数据集的散点
  geom_point(data = data_2,
             aes(x = log_rank_ratio, y = quit, color = as.factor(favorite)),
             size = 2) +
  # 基于预测数据的拟合线
  geom_line(data = new_data,
            aes(x = log_rank_ratio, y = pred_quit, color = as.factor(favorite)),
            linewidth = 1) +
  theme_bw() + 
  xlab("Log Rank Ratio") +
  ylab("Observed Likelihood of Quitting Mid-Match") +
  geom_vline(xintercept = 0, linetype = "dashed", alpha = .7) +
  xlim(-1, 1)

注意事项 #

• 必须用I()包裹多项式项，否则lm()会错误解析为交互项，导致模型偏差。
• 两种方法都能实现需求，方法二更适合调整拟合线的点数、样式，方法一更简洁高效。
• xlim(-1,1)确保图形严格限定在需求的x范围之内。

内容的提问来源于stack exchange，提问作者Aleya