如何为lm(y~x1+x2)线性回归模型绘制95%置信区间

核心错误点 #

• predict()调用参数错误：你的回归模型lm1包含x1、x2两个自变量，但传入的newdata仅包含x列，R无法匹配到模型所需的自变量，因此置信区间计算失败。
• abline()不适用于多元回归：abline(lm())仅支持单自变量的一元线性回归场景，多元回归的拟合结果为高维平面，无法直接用单条二维直线展示。
• newx生成逻辑不匹配：你直接基于x1+x2的范围生成序列，但没有对应到x1、x2的实际取值组合，无法输入到模型中计算预测值。

修正代码示例 #

针对你希望以x1+x2为横轴展示拟合结果的需求，这里提供适配你数据特征的修正代码（你的数据中x1仅取0和0.04两个离散值，我们固定x1的取值后生成匹配的x2序列即可）：

# 原始数据
y <- c(139.31449, 105.17776, 105.38411,  99.27608,  92.29064,  91.55114,  84.44251,  78.40453,  74.66656,  73.33242,  72.42429,  77.08666)
x1 <- c(0.04, 0.00, 0.00, 0.00, 0.00, 0.00, 0.04, 0.00, 0.00, 0.00, 0.00, 0.00)
x2 <- c(0.00, 0.08, 0.10, 0.12, 0.15, 0.20, 0.00, 0.08, 0.10, 0.12, 0.15, 0.20)
lm1 <- lm(y ~ x1 + x2)

# 生成预测用的新数据：分别固定x1为0和0.04，生成x2的连续序列
new_x2 <- seq(min(x2), max(x2), by = 0.01)
newdata1 <- data.frame(x1 = 0, x2 = new_x2)
newdata2 <- data.frame(x1 = 0.04, x2 = new_x2)

# 计算两组的置信区间
conf1 <- predict(lm1, newdata = newdata1, interval = "confidence", level = 0.95)
conf2 <- predict(lm1, newdata = newdata2, interval = "confidence", level = 0.95)

# 绘图
plot(x1 + x2, y, xlab = "x1 + x2", ylab = "y")
# 绘制x1=0时的拟合线和置信区间
lines(new_x2 + 0, conf1[,1], col = "lightblue")
matlines(new_x2 + 0, conf1[,2:3], col = "blue", lty = 2)
# 绘制x1=0.04时的拟合线和置信区间
lines(new_x2 + 0.04, conf2[,1], col = "lightcoral")
matlines(new_x2 + 0.04, conf2[,2:3], col = "red", lty = 2)
# 加图例区分两组
legend("topright", legend = c("x1=0拟合线", "x1=0 95%CI", "x1=0.04拟合线", "x1=0.04 95%CI"),
       col = c("lightblue", "blue", "lightcoral", "red"), lty = c(1,2,1,2))

代码说明 #

• 按照你数据中x1的离散取值拆分了两组预测，分别计算对应拟合值和置信区间，符合你将x1+x2作为横轴的绘图需求
• 所有传入predict()的新数据都包含x1和x2两个列，和模型自变量完全匹配，不会出现计算错误
• 不用abline，直接用lines绘制对应拟合结果，适配多元回归的可视化需求

内容的提问来源于stack exchange，提问作者Catalyst