ggplot如何计算回归的置信区间？

R绘图包ggplot2具有一个名为stat_smooth的强大功能，用于绘制带有相关置信带的回归线（或曲线）。

但是，对于每次回归线（或“方法”），我都很难弄清楚如何生成此置信带。我如何找到此信息？

从Details帮助部分

计算是通过（当前未记录的）predictionf泛型函数及其方法执行的。对于大多数方法，使用预测方法来计算置信范围-例外是黄土，它使用基于t的近似值；对于glm，将正常的置信区间构建在链接标度上，然后反变换为响应标度。

因此，predictedf通常会调用stats::predict，而后者又会predict为平滑方法调用正确的方法。其他涉及stat_smooth的功能 也可以考虑使用。

大多数模型拟合函数将具有predict与class模型关联的方法。这些通常将带有一个newdata对象和一个参数se.fit，这些参数和参数将指示是否将符合标准错误。（请参阅参考资料?predict）以获取更多详细信息。

se
显示置信区间是否平滑？（默认为TRUE，请参见要控制的级别

这直接传递给预测方法以返回适当的标准误差（取决于方法）

fullrange
拟合应该跨越图的整个范围，还是仅包含数据

这定义了newdata将x在其上评估预测的值

level 要使用的置信区间级别（默认为0.95）

直接传递给预测方法，使得置信区间可以定义相应的临界值（例如predict.lm使用qt((1 - level)/2, df)用于向由相乘标准误差

n 评估时更平滑的点数

与一起使用fullrange以定义对象中的x值newdata。

在调用中，stat_smooth您可以定义se与se.fit（或se）部分匹配的对象，并interval在必要时定义参数。level将给出置信区间的级别（默认值为0.95）。

的newdata对象的处理中定义的，这取决于你的设置fullrange到一个长度的序列n的全部范围的曲线图或数据的范围内。

在您的情况下，使用rlm，它将使用predict.rlm，其定义为

predict.rlm <- function (object, newdata = NULL, scale = NULL, ...)
{
    ## problems with using predict.lm are the scale and
    ## the QR decomp which has been done on down-weighted values.
    object$qr <- qr(sqrt(object$weights) * object$x)
        predict.lm(object, newdata = newdata, scale = object$s, ...)
}

因此，它在内部调用predict.lm时对qr分解和scale参数进行了适当的缩放。