曲線圖邏輯回歸

Question

這是我的模型。 Exam_taken 是二元變量（0,1），社會階層（1-10 尺度）和 GDP 是連續變量。

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

我需要繪制圖表。 目標 1) Social_class 和 Exam_taken 之間的關系； 目標 2) Social_class*GDP 在 Exam_taken 上的交互作用。

我遇到了兩個問題。

1. 我為目標 1 使用了以下代碼：

#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")

我收到一個錯誤“seq.default(min(independ),max(independ),len=100) 中的錯誤：'from' 必須是有限數”如何解決？ 太感謝了

2. 我不知道如何在二元結果上繪制與兩個連續變量的交互。 任何人都可以提供一些方向嗎？ 謝謝！

Answer 1

表示涉及三個因變量的回歸可能很困難，因為它實際上是一個四維結構。 但是，由於其中一個變量（性別）只有兩個級別，而社會類有 10 個離散級別，我們可以使用色階和分面來顯示模型。 首先，我們創建一個數據框，其中包含性別和社會階層的所有組合，每個 GDP 值從 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)

現在我們得到每種組合參加考試的概率：

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

然后我們可以像這樣繪制模型預測：

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")))

---

使用的數據

顯然，我們沒有您的數據，但我們可以根據您的描述和代碼提供線索，做出合理的復制。

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包繪制模型的預測值。 如果保存plot_model()函數的輸出，則可以使用ggplot2修改其外觀。

這是可以向您展示此包的其他選項的眾多頁面之一： https ://cran.r-project.org/web/packages/sjPlot/vignettes/plot_model_estimates.html

library(sjPlot)

plot_model(fit, type = "int")