R logistic回归图中结局的不同量表(y轴)

以下是我对您的代码中所理解内容的摘要:

• 您正在使用stats包中的函数glm来适应一个模型.stats是BASE R封装.
• 您正在使用ggeffects包中的函数ggpredict来构造预测.
• 对ggpredict的输出调用plot意味着您使用的是ggeffects包中的Plot-方法.
• 最后，您将使用patchwork包中的函数wrap_plots来组合最终的图形.

plts = lapply(names(coefficients(glm.fit))[-1],function(i){
   return(plot(ggpredict(glm.fit,i))) 
})

wrap_plots(plts ,ncol = 2, nrow = 4)

我对你的问题的理解是，(1)你想知道为什么你的曲线图上的y轴不同，(2)问的是如何产生相同的y轴比例为0-100%的曲线图.

1. 曲线图由该功能https://strengejacke.github.io/ggeffects/reference/plot.html产生.在您的代码中，它 for each 系数生成一个图，这意味着每个图的y轴比例是根据该图中的数据范围独立设置的.
2. 要使用当前的绘图方法生成具有相同y轴比例的绘图，您需要在plot函数的基础上加上limits=c(0,1).

plts = lapply(names(coefficients(glm.fit))[-1],function(i){
   return(plot(ggpredict(glm.fit,i),limits = c(0,1))) 
})

wrap_plots(plts ,ncol = 2, nrow = 4)

下面是一个具有两个预测器的GLM的可重现的例子.首先，这是一个压缩了y轴比例的例子.

# load libraries
library(ggeffects)
library(patchwork)

# read data from
# https://environmentalcomputing.net/statistics/glms/glm-1/
crabs <- read.csv("https://environmentalcomputing.net/datasets/Crabs.csv")

# fit model
glm.fit <- glm(CrabPres ~ Time + Dist, family = binomial, data = crabs)

# predict the response for each coefficient
# then plot the predictions 
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
  return(plot(ggpredict(glm.fit,i))) 
})

# use patchwork to arrange plots
wrap_plots(plts ,ncol = 2, nrow = 1)

下面是新的示例，0-100% y轴比例:

# load libraries
library(ggeffects)
library(patchwork)

# read data from
# https://environmentalcomputing.net/statistics/glms/glm-1/
crabs <- read.csv("https://environmentalcomputing.net/datasets/Crabs.csv")

# fit model
glm.fit <- glm(CrabPres ~ Time + Dist, family = binomial, data = crabs)

# predict the response for each coefficient
# then plot the predictions 
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
  return(plot(ggpredict(glm.fit,i),limits=c(0,1)) 
})

# use patchwork to arrange plots
wrap_plots(plts ,ncol = 2, nrow = 1)