如何在ggplot2中获取回归图梯度值及分性别趋势线相关系数？

嗨，我来帮你搞定这两个问题～

1. 从ggplot2回归图中获取梯度值 #

ggplot里的geom_smooth(method = lm)本质是对每个分组数据单独拟合线性回归，梯度值就是回归直线的斜率。有两种常用方法可以获取：

方法一：手动对分组数据拟合模型（推荐，更直观） #

直接按性别分组，分别拟合线性模型，然后提取斜率：

# 加载dplyr和purrr（未安装的话先运行install.packages(c("dplyr", "purrr"))）
library(dplyr)
library(purrr)

# 按Sex分组拟合模型，提取斜率和相关系数
group_stats <- SD_MFC_DATA_LENGTHv6 %>%
  group_by(Sex) %>%
  nest() %>%
  mutate(
    # 对每组数据拟合BMD~Age的线性模型
    lm_model = map(data, ~lm(BMD ~ Age, data = .x)),
    # 提取Age的斜率（梯度值）
    slope = map_dbl(lm_model, ~coef(.x)[["Age"]]),
    # 提取R²（相关系数的平方）
    r_squared = map_dbl(lm_model, ~summary(.x)$r.squared),
    # 计算Pearson相关系数（和趋势线的相关系数一致）
    correlation = map_dbl(data, ~cor(.x$Age, .x$BMD, method = "pearson"))
  ) %>%
  select(Sex, slope, correlation, r_squared)

# 查看结果
print(group_stats)

方法二：从ggplot对象中提取拟合模型 #

如果你已经画好了图，可以直接从ggplot的构建数据里提取模型：

# 先保存你的ggplot对象
p <- ggplot(SD_MFC_DATA_LENGTHv6, aes(x = Age, y = BMD, group = Sex, color = Sex, shape = Sex)) + 
  geom_point() + 
  geom_smooth(method = lm, aes(fill = Sex))

# 提取平滑层的数据并拟合模型
smooth_data <- ggplot_build(p)$data[[2]]
group_slopes <- smooth_data %>%
  group_by(group) %>%
  summarise(
    slope = coef(lm(y ~ x, data = cur_data()))[["x"]],
    .groups = "drop"
  )

# 这里的group对应Sex的分组（可以对照p$data里的Sex编码来匹配）
print(group_slopes)

2. 分别获取男女两组的趋势线相关系数 #

趋势线的相关系数其实就是Age和BMD在各组内的Pearson相关系数，上面的代码里已经包含了计算。另外，如果你想从你原来的多元交互模型（包含Sex*Age等交互项）中推导，也可以这样做：

# 直接计算分组的Pearson相关系数
cor_results <- SD_MFC_DATA_LENGTHv6 %>%
  group_by(Sex) %>%
  summarise(
    correlation = cor(Age, BMD, method = "pearson"),
    .groups = "drop"
  )

# 输出结果
print(cor_results)

⚠️ 注意：如果你想让ggplot的趋势线匹配你原来的多元模型（包含Sex + Age + PercentDepth及交互项），需要在geom_smooth里指定完整公式，比如：

ggplot(SD_MFC_DATA_LENGTHv6, aes(x = Age, y = BMD, group = Sex, color = Sex, shape = Sex)) + 
  geom_point() + 
  geom_smooth(method = lm, formula = y ~ x + PercentDepth + Sex:x + Sex:PercentDepth + x:PercentDepth, aes(fill = Sex))

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