RStudio中ggplot2绘制带标准误误差棒的双因素时间进程折线图

你代码的核心问题有两个：一是用geom_smooth()绘制的是拟合线而非分组均值的连线，二是统计量计算后没有基于汇总数据集绘图，导致分组匹配错误、误差棒错位。

正确实现步骤 #

1. 先分组汇总统计量 #

不要用mutate()给原始逐行数据重复添加统计值，用summarise()直接按「时间点+两个因素」的组合，计算每个分组的响应均值和标准误即可，不需要提前手动合并分组变量：

library(dplyr)
library(ggplot2)

# 分组计算各时间点、各因素组合的均值和标准误
df_sum <- df %>%
  group_by(Week, Factor1, Factor2) %>%
  summarise(
    mean_resp = mean(Response, na.rm = T),
    se_resp = sd(Response, na.rm = T) / sqrt(n()), # 自动获取每组样本量，避免硬编码样本数导致的计算错误
    .groups = "drop"
  )

2. 绘图 #

直接基于汇总后的数据集绘图，用interaction(Factor1, Factor2)指定组合分组即可，不需要提前unite()合并列，还可以给两个因素分别映射不同的视觉属性，提升图的可读性：

ggplot(df_sum, aes(x = Week, y = mean_resp)) +
  # 绘制折线，按两个因素组合分组，分别映射颜色、线型区分两个因素
  geom_line(
    aes(color = Factor1, linetype = Factor2, group = interaction(Factor1, Factor2)),
    linewidth = 1
  ) +
  # 绘制均值点
  geom_point(
    aes(color = Factor1, shape = Factor2, group = interaction(Factor1, Factor2)),
    size = 2
  ) +
  # 绘制标准误误差棒
  geom_errorbar(
    aes(ymin = mean_resp - se_resp, ymax = mean_resp + se_resp,
        color = Factor1, group = interaction(Factor1, Factor2)),
    width = 0.1, # 误差棒端的横向宽度
    linewidth = 0.8
  ) +
  # 标签调整
  labs(
    x = "时间（周）",
    y = "响应变量均值",
    color = "Factor1",
    linetype = "Factor2",
    shape = "Factor2"
  ) +
  theme_bw()

如果你习惯把两个因素合并为单个分组变量统一映射颜色，也可以用下面的版本，和你之前的折线风格一致：

df_sum2 <- df %>%
  mutate(Group = paste(Factor1, Factor2, sep = "-")) %>%
  group_by(Week, Group) %>%
  summarise(
    mean_resp = mean(Response, na.rm = T),
    se_resp = sd(Response, na.rm = T)/sqrt(n()),
    .groups = "drop"
  )

ggplot(df_sum2, aes(x = Week, y = mean_resp, color = Group, group = Group)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  geom_errorbar(aes(ymin = mean_resp - se_resp, ymax = mean_resp + se_resp),
                width = 0.1, linewidth = 0.8) +
  theme_bw()

原代码问题说明 #

• geom_smooth(se=FALSE)绘制的是统计拟合线（默认loess/线性拟合），不是按时间点顺序连接的分组真实均值连线，组内变异大时会和真实值有偏差，做时间进程均值连线应该用geom_line()。
• 用mutate()给原始数据每一行重复添加分组统计值，会导致ggplot为每一行原始数据重复绘制误差棒，出现重叠、错位问题；绘图前先汇总到「分组+时间点」粒度的统计量数据集，就能保证每个位置只画一次误差棒。
• 不需要提前用unite()手动合并分组列，interaction()可以在绘图时临时生成组合分组映射，保留原始变量的同时可以灵活分配视觉属性，图的可读性更高。
• 计算标准误时不要硬编码sqrt(4)，用n()自动获取每组样本量，遇到缺失值、样本量不均衡的情况也能算对。

内容的提问来源于stack exchange，提问作者ConfusedB