在R中拟合pH~DIC对数模型却得到线性拟合结果的问题

问题原因分析 #

• 你的DIC（x变量）取值范围大概率较窄，导致log(x)的变化幅度极小，此时a + b*log(x)的拟合结果在视觉上会接近直线。比如若x落在1000-2000区间，自然对数的范围仅为6.9-7.6，这个区间内log(x)的变化相对于x本身的变化过于平缓，最终拟合曲线就会呈现线性外观。
• 另外，你使用lines(x, pred)绘图时，若x未排序，线条会因数据点顺序混乱出现失真，但你提到结果一致为线性，所以核心原因还是log(x)在当前x区间内近似线性。

解决方案 #

1. 先确认x的取值特征
   运行以下代码查看x的范围和log(x)的变化幅度：

   range_x <- range(df2$x, na.rm = TRUE)
   range_x
   diff(log(range_x))
   

   如果diff(log(range_x))的结果很小，说明log(x)在当前区间无明显非线性，需要更换其他非线性模型。

2. 尝试其他非线性模型

   • 二次项模型（适合先凸后凹或相反的趋势）：

     # 拟合二次模型
     lm_quad <- lm(y ~ x + I(x^2), data = df2)
     # 生成排序的x序列用于预测
     x_seq <- seq(min(df2$x, na.rm = TRUE), max(df2$x, na.rm = TRUE), length.out = 100)
     pred_quad <- predict(lm_quad, newdata = list(x = x_seq))
     # 绘图
     plot(df2$x, df2$y, pch = 20)
     lines(x_seq, pred_quad, lwd = 3, col = "blue")
     

   • 幂函数模型（适合单调递减/递增的非线性趋势）：

     # 拟合幂函数模型
     fit_power <- nls(y ~ a*x^b + c, data = df2, start = list(a = 1, b = -0.1, c = 7))
     pred_power <- predict(fit_power, newdata = list(x = x_seq))
     # 添加到图中
     lines(x_seq, pred_power, lwd = 3, col = "red")
     

3. 修正绘图逻辑
   无论使用哪种模型，绘图时必须用排序后的x值预测和绘制，避免因数据点顺序错乱导致线条失真：

   # 针对你之前的log模型修正绘图
   x_sorted <- sort(df2$x[!is.na(df2$x)])
   pred_sorted <- predict(fit, newdata = list(x = x_sorted))
   plot(df2$x, df2$y, pch = 20)
   lines(x_sorted, pred_sorted, lwd = 3, col = "blue")
   

4. ggplot下的优化
   ggplot的geom_smooth默认会用排序后的x预测，但如果x范围窄仍会呈现线性，直接更换模型即可：

   ggplot(df2, aes(x = x, y = y)) +
     geom_point() +
     geom_smooth(method = "lm", formula = y ~ x + I(x^2), se = FALSE, color = "blue") +
     geom_smooth(method = "nls", formula = y ~ a*x^b + c, se = FALSE, color = "red",
                 method.args = list(start = c(a = 1, b = -0.1, c = 7)))
   

内容的提问来源于stack exchange，提问作者sedonaraeee