R语言分段线性拟合问题求助：2015年为断点的拟合结果异常

问题描述 #

以2015年为断点，对以下数据进行分段线性拟合：

year <- c(2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022)
score <- c(85,  85,  88,  88,  94,  94,  94,  82,  82,  84,  84,  84,  84,  84, 84)

原代码尝试拟合但结果不符合预期，尤其是2015年后的拟合趋势错误：

stage1 <- year - 2008
stage2 <- (year - 2015) * (year >= 2015)
fm <- lm(score~ stage1 + stage2)
summary(fm)

library(car)
linearHypothesis(fm, "stage1 + stage2", verbose = TRUE)

plot(score ~ year)
lines(fitted(fm) ~ year, col = "red")
abline(v = 2015, lty = 2)

拟合结果如图：

问题原因 #

原代码的变量定义逻辑错误：

• stage1 采用year-2008的平移处理，导致模型无法正确捕捉断点前后的斜率关联
• stage2 的构造未遵循断点连续型分段线性拟合的标准变量规则，使得第二段斜率计算出现偏差

修正方案 #

采用断点连续的分段线性拟合标准方法：

1. 保留原始年份变量x = year，明确断点c = 2015
2. 构造分段变量x_c = pmax(x - c, 0)，该变量在断点前取值为0，断点后取值为year-2015
3. 模型中x的系数对应第一段（2008-2015）的斜率，x_c的系数为两段斜率的差值，即第二段斜率 = 第一段斜率 + x_c系数

修正后的代码：

# 定义数据
year <- c(2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022)
score <- c(85,  85,  88,  88,  94,  94,  94,  82,  82,  84,  84,  84,  84,  84, 84)

# 构造分段变量
x <- year
c <- 2015
x_c <- pmax(x - c, 0)

# 拟合模型
fm_correct <- lm(score ~ x + x_c)
summary(fm_correct)

# 可视化结果
plot(score ~ year, main = "分段线性拟合（断点2015）", xlab = "年份", ylab = "分数")
lines(fitted(fm_correct) ~ year, col = "red", lwd = 2)
abline(v = 2015, lty = 2, col = "gray")

结果解释 #

• 第一段（2008-2015）的斜率为x的系数，代表该区间内分数随年份的变化率
• 第二段（2015-2022）的斜率为x系数与x_c系数之和，对应2015年后的分数变化趋势
• 模型保证断点（2015年）处的拟合值连续，符合分段线性拟合的常规要求

内容的提问来源于stack exchange，提问作者Skyer