如何简便可靠绘制经协变量调整的三次预测因子处理效应图？

我懂你想要的是经三次预测因子、大量协变量及交互项调整后的模型处理效应图——常规ggplot2的geom_smooth()虽能按处理分组绘图，但没法直接实现协变量调整；手动构造预测数据集的方法不仅繁琐，在协变量多、数据为长格式时还特别不友好。这里给你推荐两个更简便可靠的工具包，完美解决这个问题：

先回顾你的示例数据与基础模型 #

示例数据生成 #

set.seed(42) 
n <- 1e4 
D <- rbinom(n, 1, .5) # 处理组标识
X <- .5 + rnorm(n) # 协变量（可扩展为多个）
P <- 5.54 + 0.35*D -.24*X + rnorm(n) # 预测因子
Y <- 1.49 - 1.35*P + .5*P^2 - 0.04*P^3 - 0.83*D + 0.43*X + rnorm(n, 0, 6) 
df1 <- data.frame(D, X, P, Y)

完整与简化模型对比 #

true <- lm(Y ~ P + I(P^2) + I(P^3) + D + X , df1) # 含协变量调整的真实模型
bias <- lm(Y ~ P + I(P^2) + I(P^3) + D, df1) # 不含协变量的有偏模型

# 系数对比
round(rbind(true=coef(true), bias=c(coef(bias), NA)), 3)

输出结果：

(Intercept)     P I(P^2) I(P^3)     D     X
true       -4.023 1.803 -0.088 -0.005 -0.728 0.420
bias       -3.426 1.753 -0.091 -0.005 -0.702    NA

无协变量调整的绘图（存在偏差） #

library(ggplot2)
p1 <- ggplot(df1, aes(P, Y, color=as.factor(D), group=D)) + 
  geom_smooth(se=FALSE) + 
  theme_bw()
p2 <- ggplot(df1, aes(P, Y, color=as.factor(D), group=D)) + 
  stat_smooth(method="lm", formula=y ~ poly(x, 3, raw=TRUE), se=FALSE) + 
  theme_bw()
egg::ggarrange(p1, p2)

可以看到，这个结果和真实模型存在明显偏差。

简便可靠的协变量调整绘图方法 #

方法1：使用marginaleffects包（推荐） #

这个包专门用于计算边际效应、生成调整后的预测值，支持几乎所有常见统计模型，操作极简：

# 安装加载包
install.packages("marginaleffects")
library(marginaleffects)

# 生成调整后的预测数据：聚焦P变量，按D分组，协变量X默认调整到均值（可自定义）
preds <- predictions(
  true,
  variables = list(P = seq(min(df1$P), max(df1$P), length.out = 100)),
  by = "D"
)

# 直接用ggplot绘图
ggplot(preds, aes(x = P, y = predicted, color = as.factor(D))) +
  geom_line(linewidth = 1) +
  geom_ribbon(aes(ymin = conf.low, ymax = conf.high, fill = as.factor(D)), alpha = 0.2) +
  theme_bw()

优势：

• 无需手动构造预测数据集，自动处理协变量调整（支持设置协变量为均值、中位数或自定义值）
• 自带置信区间计算，直接添加即可
• 支持复杂模型（交互项、多项式、广义线性模型等），长格式数据也完全适配

方法2：使用ggeffects包 #

这个包专为提取模型预测效应并绘图设计，语法更贴近ggplot的思维：

# 安装加载包
install.packages("ggeffects")
library(ggeffects)

# 提取调整后的预测效应：指定模型、聚焦变量P、分组D，协变量调整到均值
gg_pred <- ggpredict(true, terms = c("P", "D"), ci = TRUE)

# 方法1：直接用包内置绘图函数
plot(gg_pred, add.data = TRUE, theme = theme_bw())

# 方法2：提取数据用ggplot自定义绘图
ggplot(gg_pred, aes(x = x, y = predicted, color = group)) +
  geom_line(linewidth = 1) +
  geom_ribbon(aes(ymin = conf.low, ymax = conf.high, fill = group), alpha = 0.2) +
  labs(x = "P", y = "Y") +
  theme_bw()

优势：

• 内置绘图函数快速出图，也支持提取数据自定义样式
• 自动处理协变量调整，支持设置协变量的调整方式（如condition = list(X = median(df1$X))）
• 输出结果清晰，包含预测值、置信区间等关键信息

对比你之前的手动方法 #

你之前手动构造预测数据的方法虽能得到结果，但需要手动生成所有协变量的序列，当协变量数量多的时候极易出错；而上面两个工具包完全自动化处理这些步骤，不仅节省时间，结果也更可靠，完全适配你的需求。

内容的提问来源于stack exchange，提问作者jay.sf