如何在Base R散点图中绘制回归标准误差的阴影区域？

你已经掌握了用ggplot绘制带标准误差阴影的回归线，以及在Base R中添加回归线的方法，要在Base R中实现类似ggplot的阴影误差带，可通过以下步骤完成：

1. 绘制基础散点图并拟合回归模型 #

# 绘制散点图
plot(iris$Sepal.Width, iris$Sepal.Length, 
     main = "Sepal Length vs Width with Regression & SE Band",
     xlab = "Sepal Width", ylab = "Sepal Length")

# 拟合线性回归模型
fit <- lm(Sepal.Length ~ Sepal.Width, data = iris)

2. 生成连续x序列并计算置信区间 #

为了让阴影带更平滑，先生成覆盖原始x范围的连续序列，再用模型预测拟合值及95%置信区间（与ggplot默认的se=T逻辑一致）：

# 生成连续的x值序列
x_seq <- seq(min(iris$Sepal.Width), max(iris$Sepal.Width), length.out = 100)

# 预测拟合值及95%置信区间
pred <- predict(fit, newdata = data.frame(Sepal.Width = x_seq), interval = "confidence")

3. 绘制阴影误差带和回归线 #

用polygon()函数绘制上下置信区间之间的半透明阴影，再叠加回归线：

# 绘制阴影误差带（半透明灰色）
polygon(c(x_seq, rev(x_seq)), c(pred[, "lwr"], rev(pred[, "upr"])), 
        col = adjustcolor("gray", alpha.f = 0.3), border = NA)

# 添加红色回归线
abline(fit, col = "red", lwd = 2)

关于你手动计算的标准误差说明 #

你手动计算的se是残差标准误差，代表模型整体的误差估计；而ggplot中geom_smooth(method="lm", se=T)展示的是拟合值的95%置信区间，反映每个x对应拟合值的不确定性范围。如果需要基于残差标准误差构建区间，可结合t分布分位数计算，但通常我们更关注拟合值的置信区间，即上述代码的实现逻辑。

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