R语言如何绘制含连续+分类变量的二阶多项式回归图

完全可以实现，你只需要组合已经掌握的两种绘图的参数即可，以下是可直接运行的示例代码：

场景1：不同分类组各自拟合独立的二阶多项式 #

这是最常用的需求，最终会按分类分组显示散点，每个分组单独拟合一条二阶多项式回归曲线：

library(ggplot2)
library(ggthemes)
# 沿用你生成的示例数据集
set.seed(1)
df <- data.frame(minutes = runif(60, 5, 15), endtime=60, category="a")
df$category = letters[seq( from = 1, to = 2 )]
df$endtime = df$endtime + df$minutes^3/180 + df$minutes*runif(60, 1, 2)

# 核心绘图代码：同时保留分类颜色映射 + 指定二阶多项式公式
ggplot(df, aes(y=endtime, x=minutes, col = category)) +
  geom_point() +
  geom_smooth(method='lm', formula = y ~ poly(x,2), size = 1) + 
  xlab('Minutes of warm up') +
  ylab('End time') +
  theme_few()

核心修改点就是在geom_smooth中加入二阶多项式formula参数，同时保留aes中对category的颜色映射即可。

场景2：拟合纳入分类变量交互项的全局二阶多项式 #

如果你需要拟合的是同时包含连续变量、分类变量及二者交互项的全局回归模型，可以用如下代码实现：

ggplot(df, aes(y=endtime, x=minutes, col = category)) +
  geom_point() +
  geom_smooth(method='lm', formula = y ~ poly(x,2)*category, size = 1) + 
  xlab('Minutes of warm up') +
  ylab('End time') +
  theme_few()

公式中poly(x,2)*category会自动生成连续变量的二阶项、分类变量、以及二者的交互项，输出的曲线和分组独立拟合结果一致，但回归模型的统计检验结果会是全局的。

内容的提问来源于stack exchange，提问作者Heidi