如何从回归曲线中直接提取指定x值对应的预测y值？

我希望从给定图表中提取指定x值对应的若干预测y值。已知可通过以下代码获取曲线上的x、y坐标：

coordinate <- ggplot_build(curve)$data[[2]][,c("x","y")]
head(coordinate,n = 6L)

#          x         y
1 0.1810660 32845.225
2 0.4810660 27635.136
3 0.7553301 23904.792
4 1.3295942 18316.923
5 1.8288582 15092.595
6 5.0312446  8018.707

请问是否存在函数可直接获取如3.5这类不在coordinate中的x值对应的预测y值？

解决方法 #

不建议直接从ggplot提取的坐标点做后续插值，更可靠的方式是回到生成曲线的原始模型，或者对现有坐标点做插值计算：

方法1：用原始模型直接预测（优先推荐） #

如果你的curve是基于某个拟合模型（比如lm、glm、gam等）生成的，直接用模型的predict()函数对目标x值计算预测值，这是最准确的方式：

# 假设原始模型是model，目标x值存放在new_x中
new_x <- data.frame(x = 3.5) # 注意列名要和模型中的自变量名一致
predicted_y <- predict(model, newdata = new_x)

方法2：对现有坐标点做插值计算 #

如果无法获取原始模型，可以用R内置的插值函数对coordinate中的点进行插值，比如approx()或spline()：

• 线性插值（approx()）：适合曲线变化平缓的情况

# 获取x=3.5对应的y值
linear_pred <- approx(x = coordinate$x, y = coordinate$y, xout = 3.5)$y

• 样条插值（spline()）：适合曲线非线性变化的情况，拟合更平滑

spline_pred <- spline(x = coordinate$x, y = coordinate$y, xout = 3.5)$y

注意：插值的精度依赖于现有坐标点的密度，点越多结果越接近真实预测值。

内容的提问来源于stack exchange，提问作者Florian B.