如何用R的ggplot在零模型LM线上绘制预测值及复现基础代码

嘿，我来帮你搞定这两个关于ggplot和零模型回归的问题！

零模型（也就是只有截距的lm(wgt ~ 1)）本质上是预测所有样本的响应变量均值。要在ggplot里实现这个，你可以按以下步骤来：

• 先拟合模型并生成预测值（或者直接计算均值，因为零模型的预测值就是响应变量的平均值）
• 用ggplot的图层添加回归线，再用线段连接每个点到它的预测值

你写的ggplot代码有两个关键问题：

1. geom_smooth的formula参数写错了——应该用y ~ 1（ggplot会自动关联你在aes里定义的y变量），而不是硬写bdims$hgt ~ 1
2. ggplot里没有segments()这个基础R函数，得用geom_segment()来绘制线段，还要正确映射x、y、xend、yend这些变量

完整可运行代码 #

先确保加载了需要的包：

library(ggplot2)
library(broom) # 和你原代码一样用augment生成预测数据

然后按照你的流程复现：

# 拟合零模型并生成带预测值的数据框
model1 <- lm(wgt ~ 1, data = bdims)
model1_null <- augment(model1)

# 用ggplot复现基础R的绘图效果
ggplot(model1_null, aes(x = hgt, y = wgt)) +
  geom_point() + # 绘制散点
  # 添加零模型的蓝色回归线（线宽2，去掉置信区间）
  geom_smooth(method = "lm", formula = y ~ 1, se = FALSE, color = "blue", linewidth = 2) +
  # 绘制每个点到预测值的红色垂直线
  geom_segment(aes(xend = hgt, yend = .fitted), color = "red")

额外简化方案 #

其实零模型的回归线就是一条水平的均值线，你完全可以不用geom_smooth，直接用geom_hline更高效，甚至不需要拟合模型：

# 直接计算均值并添加到数据框
bdims <- bdims %>% mutate(pre_null = mean(wgt))

ggplot(bdims, aes(x = hgt, y = wgt)) +
  geom_point() +
  geom_hline(yintercept = mean(bdims$wgt), color = "blue", linewidth = 2) +
  geom_segment(aes(xend = hgt, yend = pre_null), color = "red")

这个结果和基础R代码完全一致，代码还更简洁。

内容的提问来源于stack exchange，提问作者avrp