逻辑回归（GLM）中的相互作用方程

Question

我有以下glm回归：

fitglm= glm(Resp ~ Doses*Seasons, data=DataJenipa,family=binomial(link = 
"probit"))

总结如下：

Call:
glm(formula = Resp ~ Doses * Seasons, family = binomial(link = "probit"), 
    data = DataJenipa)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-0.6511  -0.4289  -0.3035  -0.3035   2.6079  

Coefficients:
               Estimate Std. Error z value Pr(>|z|)  
(Intercept)    -0.63423    0.26604  -2.384   0.0171 *
Doses          -0.23989    0.09339  -2.569   0.0102 *
Seasons2       -1.06117    0.44979  -2.359   0.0183 *
Doses:Seasons2  0.23989    0.14380   1.668   0.0953 .
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 208.05  on 399  degrees of freedom
Residual deviance: 195.71  on 396  degrees of freedom
AIC: 203.71

为了可视化我的模型，我正在使用interact_plot（来自jtools包）

interact_plot(fitglm, pred = Doses, modx = Seasons, plot.points = T, point.shape = T,interval = F,modx.labels = c("Summer", "Winter"), line.thickness = 1.5) 

我得到以下信息：

如何从以上两行中得到两个数学方程式？ （例如：Summer（Y）= -0.63423 -0.23989x ...并继续）

我知道我的示例是错误的，但是如何从图形中获得这两个方程式？

Answer 1

已经找到了方法！ 我只需要运行两个不同的glm回归，每个回归只有一个季节（没有Doses * Season交互）。 这样做，我将获得每条线及其系数，以得出方程式！

所以：

fitglmSummer <- glm(Resp ~ Doses, data=DataSummer,family=binomial(link = "probit"))
fitglmWinter <- glm(Resp ~ Doses, data=DataWinter,family=binomial(link = "probit"))

谢谢！