使用 stat_smooth 的线性模型的散点图线答案

【问题标题】：Scatter plot lines for a linear model using stat_smooth使用 stat_smooth 的线性模型的散点图线
【发布时间】：2020-03-04 17:19:49
【问题描述】：

我的问题是相当基本的，如果我遗漏了一些明显的东西，我很抱歉..

无论如何，使用以下代码：

library(gcookbook)
library(ggplot2)

x <- ggplot(heightweight, aes(x = ageYear, y = heightIn))+
geom_point()+
stat_smooth(method = lm, level = 0.95)

x

我明白剧情了：

图表显示不错，但置信度为 95%，为什么灰色边界外有这么多点？

【问题讨论】：

您查看的是置信区间而不是预测区间（请参阅 predict.lm），因此这是回归的置信区间。

标签： r ggplot2 statistics

【解决方案1】：

geom_smooth 提供的 se 是预测的标准误差，您看到的置信区间是预测的 +/- 1.96*se，请参阅下面的计算方法：

fit = lm(heightIn ~ ageYear,data=heightweight)
newdata = data.frame(ageYear=seq(min(heightweight$ageYear),
max(heightweight$ageYear),by=0.1))
pred = predict(fit,newdata,se=TRUE)
newdata$heightIn = pred$fit
newdata$se = pred$se.fit

ggplot(heightweight, aes(x = ageYear, y = heightIn))+
geom_point()+
geom_line(data=newdata,col="cadetblue")+
geom_ribbon(data=newdata,aes(ymin=heightIn-1.96*se,ymax=heightIn+1.96*se),
alpha=0.2,fill="cadetblue")

如果您希望数据有 95% 的置信区间，您可以尝试：

ggplot(heightweight, aes(x = ageYear, y = heightIn))+
     geom_point()+
     geom_quantile(quantiles=c(0.05,0.5,0.95))

【讨论】：

感谢@StupidWolf 的解释，我会深入研究并为您提供反馈
好的，我知道了。我只是不明白 se 是如何计算的。例如，根据模型，最小年龄（11.58）的身高预测为 57.68034。那个年龄的 se 是如何返回 0.339 的？
如果你简单看一下这个页面上的公式，lbelzile.github.io/lineaRmodels/…，有一部分 s^2 是估计的方差。随着你的样本增加，你的 s^2 会变小
在这种情况下，您有很多观察值，n>200，因此误差很小。我知道这是违反直觉的，但请记住，您所推断的是这个位置的平均值以及您可能处于多远。它并没有告诉您传播数据可以是
你也可以尝试用更小的数据子集拟合它，你可以看到置信区间增加了