如何正确绘制简单线性回归模型的CI？两种R实现方法的差异咨询

第二种使用predict()的方案是线性回归拟合线95%置信区间的正确实现，第一种使用confint()直接画直线的方案逻辑错误。

两种方案的本质差异 #

第一种方案的问题 #

confint(lm.model)返回的是模型参数的独立置信区间，即分别计算截距项的95%置信范围、斜率项的95%置信范围。你直接用abline(ci[1], ci[2])、abline(ci[3], ci[4])画两条平行直线的做法，默认了「截距和斜率同时取最小值/同时取最大值」的假设，但线性回归中截距和斜率的估计值是相关的，两者不可能同时取到极值，因此画出来的两条平行直线完全不符合回归拟合线置信区间的定义。

该方案的代码逻辑本身就不成立，输出结果没有统计意义。

# 错误实现示例
plot(y~x, data=df)
abline(lm.model)
ci<-confint(lm.model, level=0.95)
abline(ci[1], ci[2])
abline(ci[3], ci[4])

第二种方案的正确性 #

predict(..., interval = "confidence")返回的是给定x取值下，y的条件均值的95%置信区间，也就是我们常规所说的回归拟合线的置信区间。它的计算符合线性回归的理论性质：

• 置信区间呈喇叭口形状，越靠近x的均值位置区间越窄，越往x的取值两端延伸区间越宽，对应了「离数据中心越远，预测的不确定性越高」的统计逻辑。
• 区间的计算已经考虑了截距和斜率估计值的协方差，结果是严谨可采信的。

# 正确实现示例
newx = seq(min(x),max(x),by = 0.05)
conf_interval <- predict(lm.model, newdata=data.frame(x=newx), interval="confidence",
                         level = 0.95)
plot(y~x, data=df, xlab="x", ylab="y", main="Regression")
abline(lm.model, col="lightblue")
lines(newx, conf_interval[,2], col="blue", lty=2)
lines(newx, conf_interval[,3], col="blue", lty=2)

补充说明 #

如果需要绘制的是单个观测值的预测区间而非拟合均值的置信区间，只需把predict函数的interval参数改为"prediction"即可，预测区间会比拟合置信区间更宽，因为它包含了个体随机误差的波动。

内容的提问来源于stack exchange，提问作者user16971617