如何在R中提取回归曲线及不确定带的x、y值并实现样条回归可视化

问题1：提取蓝色回归曲线对应的x、y数值 #

有两种常用实现方式：

• 直接提取ggplot内置计算结果：先将绘图结果保存为变量，再用ggplot_build读取拟合数据

# 先保存绘图对象
p <- ggplot(train.data, aes(y, x) ) +
  geom_point() +
  stat_smooth(method = lm, formula = y ~ splines::bs(x, df =3))
# 提取曲线数据，第二组数据就是stat_smooth的计算结果
curve_data <- ggplot_build(p)$data[[2]]
# 其中curve_data$x为原数据y列（绘图x轴）取值，curve_data$y为拟合的回归值，即曲线坐标

• 手动基于模型预测：生成均匀的自变量序列，用已训练的model直接预测

# 生成覆盖自变量范围的均匀序列
seq_y <- seq(min(train.data$y), max(train.data$y), length.out = 100)
# 预测拟合值
fit_value <- predict(model, newdata = data.frame(y = seq_y))
# 得到的seq_y和fit_value就是回归曲线的横、纵坐标点

问题2：base R的样条回归可视化方案 #

直接用base R的plot和lines函数即可实现，示例代码如下：

# 先绘制原始散点
plot(train.data$y, train.data$x, pch = 16, xlab = "y", ylab = "x")
# 生成预测序列
seq_y <- seq(min(train.data$y), max(train.data$y), length.out = 100)
fit_value <- predict(model, newdata = data.frame(y = seq_y))
# 绘制样条回归曲线
lines(seq_y, fit_value, col = "blue", lwd = 2)

如果需要绘制置信区间，补充如下代码即可：

# 计算置信区间上下限
ci_value <- predict(model, newdata = data.frame(y = seq_y), interval = "confidence")
# 绘制灰色半透明置信带
polygon(c(seq_y, rev(seq_y)), c(ci_value[,"lwr"], rev(ci_value[,"upr"])), col = adjustcolor("gray", alpha.f = 0.3), border = NA)

问题3：灰色区间的类型与参数设置 #

你看到的灰色区间是拟合值的95%置信区间，是对回归曲线均值的不确定性估计，不是针对单个观测的预测区间。
参数调整可以直接在stat_smooth中配置：

• 调整置信水平：加level参数，比如level = 0.99就会生成99%置信区间
• 切换为预测区间：加method.args = list(interval = "prediction")即可切换为单个观测的预测区间
• 关闭置信区间：加se = FALSE就会隐藏灰色区间

问题4：提取灰色不确定带的x、y数值 #

和提取曲线数据逻辑一致，两种实现方式：

• 从ggplot对象中提取：刚才拿到的curve_data中，curve_data$ymin和curve_data$ymax分别是置信带的下、上限，对应横坐标还是curve_data$x
• 手动预测得到：

seq_y <- seq(min(train.data$y), max(train.data$y), length.out = 100)
ci_value <- predict(model, newdata = data.frame(y = seq_y), interval = "confidence")
# seq_y是横坐标，ci_value[,"lwr"]是下限，ci_value[,"upr"]是上限

内容的提问来源于stack exchange，提问作者SophiaL