线性回归截距为何非连续预测变量为0时的均值？sleepstudy数据疑问

这确实是个容易让人摸不着头脑的问题，我来帮你一步步排查可能的原因：

1. 先确认你是否对预测变量做了中心化处理 #

Gelman&Hill提到的“截距代表预测变量=0时的预测结果”，前提是预测变量是原始的、未经过中心化/标准化变换的。如果你不小心对sleepstudy里的Days变量做了中心化（比如减去均值、用scale()函数处理），那截距的含义就变了——它会变成预测变量取均值时的预测值，而非Days=0时的均值。

你可以用R代码快速验证：

# 拟合未中心化的普通线性回归
lm_raw <- lm(Reaction ~ Days, data = sleepstudy)
# 查看截距值
summary(lm_raw)$coefficients[1, 1]
# 对比Days=0时的观测均值
mean(sleepstudy$Reaction[sleepstudy$Days == 0])

这两个值应该几乎完全一致，符合Gelman&Hill的结论。如果你的模型用了中心化后的Days，比如：

sleepstudy$Days_centered <- sleepstudy$Days - mean(sleepstudy$Days)
lm_centered <- lm(Reaction ~ Days_centered, data = sleepstudy)
# 此时截距是总观测的均值，而非Days=0时的均值
summary(lm_centered)$coefficients[1, 1]
mean(sleepstudy$Reaction)

这时候截距就和Days=0的均值没关系了。

2. 你是否拟合了混合效应模型？ #

sleepstudy是重复测量数据集，很多人会用混合效应模型（比如lme4包的lmer()）来分析个体差异。这时候的截距是总体层面的平均截距——也就是所有被试在Days=0时的个体均值的加权平均（本质是随机截距的总体估计值）。

你可以对比一下：

library(lme4)
# 拟合带随机截距的混合模型
lmer_model <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
summary(lmer_model)$coefficients[1, 1]

# 计算每个被试Days=0时的反应时间，再取平均
subject_d0_means <- tapply(
  sleepstudy$Reaction[sleepstudy$Days == 0],
  sleepstudy$Subject[sleepstudy$Days == 0],
  mean
)
mean(subject_d0_means)

这两个值应该高度吻合，依然符合理论逻辑——只是这里的截距是个体水平均值的总体平均，而非所有Days=0观测的简单均值（不过在这个数据集里，两者差异极小）。

3. 检查是否用到了数据集的子集 #

有没有可能你拟合模型时不小心过滤掉了Days=0的观测？比如用了subset参数或者提前筛选了数据？你可以用table(sleepstudy$Days)确认，Days=0应该有18个观测（对应18个被试）。

如果以上情况都排除了，你可以把你的模型代码和输出贴出来，这样能更精准地定位问题~

内容的提问来源于stack exchange，提问作者Jaynes01