求助：使用R的lm()及car包leveragePlots添加置信区间

嘿，我刚好处理过类似的需求，给你两个实用的解决方案！

你用lm()构建多元回归模型后，想用car包的leveragePlots()生成带置信区间的回归图，但这个函数本身没有直接的参数支持置信区间。下面是两种可行的实现方式：

方法1：用avPlots()替代（快速带置信区间） #

car包的avPlots()（Added Variable Plots）和leveragePlots()逻辑相近，核心都是展示部分回归关系，区别在于leveragePlots()额外标注了杠杆点信息。而avPlots()直接支持通过confidence = TRUE添加置信区间，还能自定义置信水平：

# 加载car包
library(car)

# 构建你的回归模型
lmfit <- lm(formula = `Var1` ~ `Var2` + `Var3` + `Var4`, data=df)

# 绘制带95%置信区间的部分回归图
avPlots(lmfit, confidence = TRUE, conf.level = 0.95)

如果必须保留杠杆点的标记，那可以试试下面的自定义绘图方案。

方法2：用ggplot2自定义带置信区间的杠杆图 #

我们可以手动提取部分回归的残差数据，拟合回归线并计算置信区间，同时叠加高杠杆点的标记，完全自定义绘图效果：

library(car)
library(ggplot2)
library(dplyr)

# 构建回归模型
lmfit <- lm(formula = `Var1` ~ `Var2` + `Var3` + `Var4`, data=df)

# 提取部分回归的残差数据（不直接绘图，只拿数据）
av_data <- avPlots(lmfit, plot = FALSE)

# 遍历每个自变量生成对应的杠杆图
for(var in names(av_data)){
  # 整理当前变量的部分回归数据
  plot_df <- as.data.frame(av_data[[var]]) %>%
    rename(resid_y = V1, resid_x = V2)
  
  # 拟合部分回归模型，计算置信区间
  partial_lm <- lm(resid_y ~ resid_x, data = plot_df)
  pred_ci <- predict(partial_lm, interval = "confidence", level = 0.95)
  plot_df <- cbind(plot_df, pred_ci)
  
  # 计算杠杆值，标记高杠杆点（阈值：2*(自变量数+1)/样本量）
  hat_vals <- hatvalues(lmfit)
  plot_df <- plot_df %>%
    mutate(hat = hat_vals,
           high_leverage = hat > 2*(length(lmfit$coefficients)-1)/nrow(df))
  
  # 用ggplot2绘图
  p <- ggplot(plot_df, aes(x = resid_x, y = resid_y)) +
    geom_point(aes(color = high_leverage), alpha = 0.7) +
    geom_line(aes(y = fit), color = "#2c3e50", linewidth = 1) +
    geom_ribbon(aes(ymin = lwr, ymax = upr), alpha = 0.2, fill = "#3498db") +
    labs(title = paste("Leverage Plot for", var),
         x = paste("Residuals of", var, "(adjusted for other variables)"),
         y = "Residuals of Var1 (adjusted for other variables)") +
    scale_color_manual(values = c("black", "#e74c3c")) +
    theme_minimal()
  
  print(p)
}

这个方案里，红色点标记了高杠杆点，蓝色丝带是95%置信区间，你可以根据需求调整颜色、置信水平等细节。

内容的提问来源于stack exchange，提问作者Remi