曲线图逻辑回归

Question

这是我的模型。 Exam_taken 是二元变量（0,1），社会阶层（1-10 尺度）和 GDP 是连续变量。

fit<-glm(Exam_taken~Gender+Social_class*GDP, data=final, family=binomial(link="probit")
summary(fit)

我需要绘制图表。 目标 1) Social_class 和 Exam_taken 之间的关系； 目标 2) Social_class*GDP 在 Exam_taken 上的交互作用。

我遇到了两个问题。

1. 我为目标 1 使用了以下代码：

#exclude missing values
final=subset(final, final$Social_class!="NA")
final=subset(final, final$Exam_taken!="NA")
#graph
library(popbio)
logi.hist.plot(final$Social_class, final$Exam_taken, boxp=FALSE, type = "hist")

我收到一个错误“seq.default(min(independ),max(independ),len=100) 中的错误：'from' 必须是有限数”如何解决？ 太感谢了

2. 我不知道如何在二元结果上绘制与两个连续变量的交互。 任何人都可以提供一些方向吗？ 谢谢！

Answer 1

表示涉及三个因变量的回归可能很困难，因为它实际上是一个四维结构。 但是，由于其中一个变量（性别）只有两个级别，而社会类有 10 个离散级别，我们可以使用色阶和分面来显示模型。 首先，我们创建一个数据框，其中包含性别和社会阶层的所有组合，每个 GDP 值从 1000 美元到 100,000 美元不等

pred_df <- expand.grid(Gender = c("Male", "Female"),
                       Social_class = 1:10,
                       GDP = 1:100 * 1000)

现在我们得到每种组合参加考试的概率：

pred_df$fit  <- predict(fit, newdata = pred_df, type = "response")

然后我们可以像这样绘制模型预测：

ggplot(pred_df, aes(GDP, fit, colour = Social_class, group = Social_class)) +
  geom_line() +
  facet_grid(Gender~.) +
  scale_x_continuous(labels = scales::dollar, limits = c(0, 1e5)) +
  labs(y = "Probability of taking exam",
       color = "Social class") +
  scale_color_viridis_c(breaks = 1:10) +
  theme_minimal(base_size = 16) +
  guides(color = guide_colorbar(barheight = unit(50, "mm")))

---

使用的数据

显然，我们没有您的数据，但我们可以根据您的描述和代码提供线索，做出合理的复制。

set.seed(1)

final <- data.frame(Gender = rep(c("Male", "Female"), 100),
                    Social_class = sample(10, 200, TRUE),
                    GDP = 1000 * sample(20:60, 200, TRUE))

final$Exam_taken <- rbinom(200, 1, 
                           c(0, 0.1) + 0.05 * final$Social_class +
                             final$GDP/1e5 - 0.2)

Answer 2

您可以使用sjPlot包绘制模型的预测值。 如果保存plot_model()函数的输出，则可以使用ggplot2修改其外观。

这是可以向您展示此包的其他选项的众多页面之一： https ://cran.r-project.org/web/packages/sjPlot/vignettes/plot_model_estimates.html

library(sjPlot)

plot_model(fit, type = "int")