LM模型中经sqrt()变换的预测变量还原绘图方法咨询

嘿，这个问题我实操过好多次，其实核心就是把你做的平方根变换倒着来就行，我给你拆成步骤讲清楚：

一、先明确：你是对哪个变量做了sqrt变换？ #

首先得搞清楚核心——你是对**响应变量（y）做了sqrt变换，还是对预测变量（x）**做了？这俩的还原方式完全不一样：

情况1：响应变量y做了sqrt变换（最常见场景） #

比如你拟合的模型是这样的：

# 用sqrt(y)作为响应变量拟合线性模型
my_model <- lm(sqrt(y) ~ x1 + x2, data = my_dataset)

这时候模型输出的预测值是sqrt(y)的估计值，要还原回原始y的尺度，直接对预测值做平方运算就好：

# 生成原始尺度的预测结果
my_dataset$predicted_y <- (predict(my_model))^2

现在predicted_y就和原始的y在同一个尺度上了，绘图时直接用这俩对比就行。

情况2：预测变量x做了sqrt变换 #

如果是预测变量x被做了变换，比如模型是：

# 用sqrt(x)作为预测变量拟合模型
my_model_x <- lm(y ~ sqrt(x), data = my_dataset)

这种情况其实不需要“还原”y，因为y本身就是原始尺度。要是想基于原始x值绘图，只需要在预测时传入原始x数据，模型会自动处理sqrt(x)的转换：

# 按原始x排序，让拟合线更平滑
sorted_data <- my_dataset[order(my_dataset$x), ]
# 绘制原始y值 + 原始x尺度的拟合线
plot(sorted_data$x, sorted_data$y, xlab = "原始x值", ylab = "原始y值")
lines(sorted_data$x, predict(my_model_x, newdata = sorted_data), col = "blue", lwd = 2)

二、解决绘图时的数值差异问题 #

你提到的“平方后存在较大差异”，其实是平方根变换的特性：小数值的sqrt结果平方后会更小，大数值的sqrt结果平方后会被放大。解决起来很简单：

• 直接用原始y值和还原后的predicted_y做散点图对比：

plot(my_dataset$y, my_dataset$predicted_y, 
     xlab = "原始y值", ylab = "还原后的预测y值",
     main = "原始值 vs 还原后预测值")
# 添加对角线，方便直观判断拟合效果（越贴近对角线拟合越好）
abline(0, 1, col = "red", lwd = 2)

• 如果是画拟合线，记得按预测变量排序，避免线条乱跳：

sorted_data <- my_dataset[order(my_dataset$x1), ]
plot(sorted_data$x1, sorted_data$y, xlab = "x1变量", ylab = "原始y值")
lines(sorted_data$x1, (predict(my_model, newdata = sorted_data))^2, 
      col = "darkgreen", lwd = 2)

关键提醒 #

千万别搞反顺序：一定要先让模型输出预测值，再做平方还原，绝对不能先把原始y平方再拟合模型——那完全是另一个模型了，结果会完全不对！

内容的提问来源于stack exchange，提问作者Saalva