ggplot2中geom_smooth(lm)与predict()回归线不一致问题咨询

核心原因 #

你代码里的两个回归模型形式完全不同：

• 手动拟合的mod <- lm(y ~ x + group, df)是包含x和group主效应的整体模型，假设两组数据的x斜率一致，仅截距存在差异（模型公式：y = β₀ + β₁x + β₂group）。
• 而geom_smooth(method="lm", formula="y ~ x")因为全局映射中指定了col=factor(group)，ggplot会自动按group分组，对每个组单独拟合仅包含x的简单线性回归（两组的斜率和截距都独立估计，公式分别为y = α₀ + α₁x和y = α₀' + α₁'x）。

模型假设不同，最终生成的回归线自然无法匹配。

修正方法 #

方法1：让geom_smooth使用与手动模型一致的公式

如果想让geom_smooth输出和predict()一致的线条，需要让它拟合包含group的模型，同时避免按group分组拟合：

ggplot(df, aes(x, y)) +
  geom_point(aes(col= factor(group))) +  # 将颜色映射仅放在散点层
  geom_smooth(method= "lm", formula= "y ~ x + group", aes(col= factor(group))) +
  geom_line(data=df_pred, mapping= aes(x, pred, col= factor(group)))

或者保留全局颜色映射，在geom_smooth中强制不分组：

ggplot(df, aes(x, y, col= factor(group))) +
  geom_point() +
  geom_smooth(method= "lm", formula= "y ~ x + group", group=1) +  # group=1强制整体拟合
  geom_line(data=df_pred, mapping= aes(x, pred, col= factor(group)))

方法2：手动拟合与geom_smooth一致的分组模型

如果希望手动预测值和geom_smooth的分组回归线匹配，需要按group分别拟合简单线性回归：

# 按group分组拟合模型
mods <- lapply(split(df, df$group), function(sub_df) lm(y ~ x, sub_df))

# 生成分组预测值
df_pred_list <- lapply(names(mods), function(g) {
  sub_new <- data.frame(x= seq(min(df$x), max(df$x), 1), group= as.integer(g))
  sub_new$pred <- predict(mods[[g]], sub_new)
  sub_new
})
df_pred <- do.call(rbind, df_pred_list)

# 绘图
ggplot(df, aes(x, y, col= factor(group))) +
  geom_point() +
  geom_smooth(method= "lm", formula= "y ~ x") +
  geom_line(data=df_pred, mapping= aes(x, pred, col= factor(group)))

内容的提问来源于stack exchange，提问作者LulY