R语言lm()回归斜率截距与绘图结果不符问题咨询

斜率和截距的认知偏差完全来自zoo包yearmon类型的内部编码规则，和建模、绘图本身的计算逻辑无关：

• as.yearmon()生成的日期对象，内部以距离公元0年的年数存储数值，相邻两个月份的实际数值差为1/12 ≈ 0.083，而非你目视x轴刻度默认认为的“相邻月份数值差为1”。可以执行as.numeric(df$a)直接查看内部值，你所用的5个时间点对应数值为2022.000、2022.083、2022.167、2022.250、2022.333。
• lm()输出的斜率-1.2，含义是x每增加1个内部单位（即时间过去1整年）时，y的平均变化量。换算为月度变化量为-1.2 * (1/12) = -0.1，这个数值就是你看ggplot图时，x轴每走1个月份刻度对应的拟合线斜率，和图上平缓的拟合趋势完全匹配。
• 截距的逻辑同理：lm()输出的截距是x=0时的y预测值，对应内部数值0也就是公元0年的y估计值，和你图上显示的2022年区间的拟合线位置自然差距极大。
• ggplot的stat_smooth调用的是和你完全相同的lm()计算逻辑，不存在绘图和建模结果不一致的问题，偏差纯粹来自视觉判断时对x轴数值单位的误判。

执行以下代码可以直接核对计算逻辑和可视化结果的一致性：

# 查看yearmon的内部存储值
as.numeric(df$a)

# 提取lm拟合结果
lm_fit <- lm(b ~ a, data = df)

# 换算为月度变化斜率，和目视结果一致
unname(coef(lm_fit)["a"] / 12)
# 输出为-0.1

# 计算2022年1月（拟合线最左端）的y预测值，和图上位置匹配
predict(lm_fit, newdata = data.frame(a = as.yearmon("2022-01")))
# 输出约1.6

如果需要lm()直接输出对应“每1个月变化量”的斜率、以及和观测区间匹配的截距，可以提前将x转换为以月份为单位的数值变量：

# 生成以首个观测月为0点的月份计数变量
df$month_gap <- as.numeric(df$a - min(df$a)) * 12

# 此时建模输出的斜率直接对应月度变化，截距为首个观测月的y预测值
lm(b ~ month_gap, data = df)

# 绘图时同步使用转换后的变量即可让轴刻度、建模系数、视觉判断完全统一
ggplot(df, aes(x = month_gap, y = b)) +
  geom_point() +
  stat_smooth(method = lm) +
  labs(x = "距离2022年1月的月份数")

内容的提问来源于stack exchange，提问作者Katharina Böhm