R语言nls拟合Curing~a*atan(b*Time)报错及分组平滑拟合问题

• 报错Error in assign(xname, newdata[, xname]) : first argument not valid来自两个逻辑错误：一是预测数据集new.data的自变量列名写为小写time，但模型中自变量命名为大写Time，predFit无法匹配到对应字段直接触发报错；二是后续mutate(Time = RawData$Time)的赋值逻辑完全错误，RawData$Time仅12个观测值，和预测结果的数百行长度不匹配，即便不报错也会出现数值循环错位。
• 未按产品分组拟合的原因是构建的nls模型未引入Grade分组因子，默认两类产品共用一套拟合参数，本质是用混合数据算出来的全局曲线，自然无法匹配两个产品差异极大的固化趋势。另外要立刻停止使用attach()加载数据框，该函数会造成全局变量环境污染，是R语言里非常容易触发隐性bug的写法。

直接运行以下代码即可完成分组拟合并输出正确图形：

library(tidyverse)
library(investr)
library(ggplot2)

# 构建原始数据集
RawData <- data.frame(
  Time = c(0, 4, 8, 24, 28, 32, 0, 4, 8, 24, 28, 32),
  Curing = c(0, 28.57, 56.19, 86.67, 89.52, 91.42, 0, 85.71, 93.33, 94.28, 97.62, 98.09),
  Grade = rep(c("Product A", "Product B"), each = 6)
)

# 按产品分组嵌套，分别拟合模型、生成预测值与置信区间
fit_result <- RawData %>%
  group_by(Grade) %>%
  nest() %>%
  mutate(
    # 分组拟合nls模型，补充合理初始值保证迭代收敛
    nls_model = map(data, ~nls(
      formula = Curing ~ a * atan(b * Time),
      data = .x,
      start = list(a = 62, b = 0.08), # 初始值参考反正切函数极限：x→+∞时atan(x)≈π/2≈1.57，a≈最大固化度/1.57
      control = nls.control(minFactor = 2^-24, warnOnly = TRUE)
    )),
    # 生成预测用时间序列，列名严格和模型自变量保持一致（大写Time）
    pred_grid = map(nls_model, ~data.frame(Time = seq(0, 32, by = 0.1))),
    # 分组计算90%置信区间
    pred_ci = map2(nls_model, pred_grid, ~as_tibble(predFit(
      object = .x, newdata = .y, interval = "confidence", level = 0.9
    )))
  )

# 解压嵌套结果，得到标准化绘图数据集
plot_data <- fit_result %>%
  select(Grade, pred_grid, pred_ci) %>%
  unnest(cols = c(pred_grid, pred_ci))

# 绘图
curing_plot <- ggplot(RawData, aes(x = Time, y = Curing, color = Grade, fill = Grade)) +
  geom_point(shape = 1, size = 2.5) +
  geom_line(data = plot_data, aes(y = fit), linewidth = 1) +
  geom_ribbon(data = plot_data, aes(ymin = lwr, ymax = upr), alpha = 0.2, color = NA) +
  theme_classic()

print(curing_plot)

• 代码中给nls补充了start初始值参数：nls采用高斯-牛顿迭代寻优，没有合理初始值极易出现不收敛报错，这里的初始值根据反正切函数的渐近特性设置，适配两组数据的取值范围，可保证迭代正常收敛。
• 所有列名严格保持大小写一致，从根源解决字段匹配报错；分组拟合时两类产品各自计算独立的a/b参数，能正确匹配Product B前期固化速度远高于Product A的趋势，置信区间也按分组单独计算，填充色和对应曲线自动匹配，不会出现系列混淆。

内容的提问来源于stack exchange，提问作者GiacomoDB