如何让线性模型预测值与数据起点一致？附R语言实操示例

问题需求 #

修改现有线性回归模型，确保当x=0时，模型预测值pred_y等于实际观测值y，即预测曲线与原始数据曲线在起点处重合。

数据定义 #

df <- tibble(
  x = c(0:20, 0:20), 
  y = c(log(10:30 + 2), log(10:30 + 10)),
  init = c(rep(log(10 + 2), 21), rep(log(10 + 10), 21)),
  group = c(rep('A', 21), rep('B', 21))
)

原模型（无法满足起点要求） #

lm_fit <- lm(y ~ log(x + 1) + init, data = df)

原拟合示例代码 #

newdata <- df %>%
  filter(group == 'A') %>%
  mutate(pred_y = predict(lm_fit, newdata = newdata, type = 'response')) %>%
  pivot_longer(c(y, pred_y), names_to = 'pred_type', values_to = 'value')

ggplot(newdata, aes(x, value, colour = pred_type)) +
  geom_point() +
  geom_line()

解决方案 #

核心思路：利用x=0时y=init的特性，让模型在x=0时的预测值等于init，具体修改如下：

修改后的模型 #

# 拟合y与init的差值对log(x+1)的无截距回归
lm_fit <- lm(I(y - init) ~ log(x + 1) - 1, data = df)

修改后的拟合代码 #

newdata <- df %>%
  filter(group == 'A') %>%
  # 预测时将init加回，得到最终的pred_y
  mutate(pred_y = init + predict(lm_fit, newdata = newdata)) %>%
  pivot_longer(c(y, pred_y), names_to = 'pred_type', values_to = 'value')

ggplot(newdata, aes(x, value, colour = pred_type)) +
  geom_point() +
  geom_line()

原理说明 #

• 当x=0时，log(x+1)=log(1)=0，无截距模型的预测值为0，因此pred_y = init + 0 = init，而原始数据中x=0时y=init，刚好满足起点一致的要求。
• 对于x>0的情况，模型拟合y-init随log(x+1)的变化趋势，在保证整体拟合逻辑不变的同时实现了起点对齐。

内容的提问来源于stack exchange，提问作者Ali