基于ggplot的多组最小二乘二次拟合绘图技术咨询

问题 #

我需要为black、white、other三个种族组分别绘制log_wage与exp的二次拟合曲线，已知两者存在二次曲线关系。已经有一个计算二次拟合系数的函数：

quad_fit <- function(data_sub) {
  return(lm(log_wage~exp+I(exp^2),data=data_sub)$coefficients)
}
quad_fit(salary_data)

拟合公式为$\hat{Y} = a1 + a2x + a3x²$（其中$\hat{Y}$是log_wage，$x$是exp）。要求用ggplot完成绘图（base R绘图只能得部分分数），需要包含图例和合适标签。

我尝试了针对black组的代码，但不清楚stat_smooth的公式该怎么写，代码如下：

blackfit <- quad_fit(salary_data[salary_data$race == "black",])
whitefit <- quad_fit(salary_data[salary_data$race == "white",])
otherfit <- quad_fit(salary_data[salary_data$race == "other",])
yblack <- blackfit[1] + blackfit[2]*salary_data$exp + blackfit[3]*(salary_data$exp)^2
ywhite <- whitefit[1] + whitefit[2]*salary_data$exp + whitefit[3]*(salary_data$exp)^2
yother <- otherfit[1] + otherfit[2]*salary_data$exp + otherfit[3]*(salary_data$exp)^2
soloblack <- salary_data[salary_data$race == "black",]
solowhite <- salary_data[salary_data$race == "white",]
soloother <- salary_data[salary_data$race == "other",]
ggplot(data = soloblack) + geom_point(aes(x = exp, y = log_wage)) + stat_smooth(aes(y = log_wage, x = exp), formula = y ~ yblack)

解决方案 #

你的思路方向是对的，但其实不用手动拆分数据集再单独计算拟合值——ggplot可以帮你自动按种族分组完成二次拟合，或者你也可以先整理好所有种族的拟合数据再绘图，下面给你两种可行的方法：

方法1：直接用ggplot的stat_smooth自动分组拟合 #

这是最简洁的方式，不需要手动调用quad_fit函数，直接在ggplot中指定二次公式，并通过color = race让ggplot按种族分组处理：

library(ggplot2)

ggplot(salary_data, aes(x = exp, y = log_wage, color = race)) +
  # 添加散点，按种族区分颜色（alpha参数降低点的透明度避免重叠）
  geom_point(alpha = 0.5) +
  # 添加二次拟合曲线，指定线性回归方法与二次公式
  stat_smooth(method = "lm", formula = y ~ x + I(x^2), se = FALSE, size = 1) +
  # 添加清晰的标签与标题
  labs(
    x = "工作经验 (exp)",
    y = "对数工资 (log_wage)",
    color = "种族",
    title = "不同种族的对数工资与工作经验二次拟合曲线"
  ) +
  # 可选：用简约主题优化图表观感
  theme_minimal()

关键说明：

• method = "lm"指定用线性回归拟合，配合formula = y ~ x + I(x^2)就会拟合二次曲线
• se = FALSE关闭置信区间（如果需要保留置信区间，直接删除这个参数即可）
• color = race会自动为每个种族分配不同颜色的散点和拟合线，同时生成对应的图例

方法2：用你的quad_fit函数先计算拟合值再绘图 #

如果你一定要用自己写的quad_fit函数，那可以先为每个种族生成匹配的拟合数据序列，再合并绘图：

library(ggplot2)
library(dplyr)

# 1. 按种族拆分数据集，批量计算拟合值
split_data <- split(salary_data, salary_data$race)

fit_data_list <- lapply(names(split_data), function(race_group) {
  data_sub <- split_data[[race_group]]
  fit_coef <- quad_fit(data_sub)
  # 注意：用当前种族子集的exp数据计算拟合值，避免数据不匹配
  data_sub$fit_log_wage <- fit_coef[1] + fit_coef[2] * data_sub$exp + fit_coef[3] * (data_sub$exp)^2
  data_sub$race <- race_group
  return(data_sub)
})

# 合并所有种族的拟合数据
fit_data <- do.call(rbind, fit_data_list)

# 2. 用ggplot绘制散点与拟合曲线
ggplot(fit_data, aes(x = exp, color = race)) +
  geom_point(aes(y = log_wage), alpha = 0.5) +
  geom_line(aes(y = fit_log_wage), size = 1) +
  labs(
    x = "工作经验 (exp)",
    y = "对数工资 (log_wage)",
    color = "种族",
    title = "不同种族的对数工资与工作经验二次拟合曲线"
  ) +
  theme_minimal()

修正你之前的错误：你之前用整个数据集的salary_data$exp计算拟合值，这会导致拟合值与对应种族的散点数据不匹配，这里改用每个种族子集的exp数据就解决了这个问题。

两种方法都能生成符合要求的图表，第一种更高效，第二种适合需要手动控制拟合过程的场景。

内容的提问来源于stack exchange，提问作者Dario Gentiletti