带组的多元逻辑回归ggplot

Question

这有点烦我，所以我希望有人有一个想法。我正在运行一个多元逻辑回归，其中有一个数字预测器和一个分类预测器。我想为模型的逻辑回归制作一个漂亮的 ggplot（没有交互项，所以曲线应该只是彼此的平移）。例如：

data("mtcars")

library(ggplot2)

glm(data = mtcars, vs ~ mpg + as.factor(gear))

创建一个模型。一个想法是

ggplot(data = mtcars, aes(x = mpg, y = vs, color = as.factor(gear))) +
  geom_point() +
  geom_smooth(
    method = "glm",
    method.args = list(family = "binomial"),
    se = F
  )

但这会为每个组创建一个单独的逻辑模型，这是一个不同的模型。我想出的最好的方法是将 predict() 与响应类型一起使用，然后添加一个 geom_line() 和 y = prediction_value。这看起来不错，但不如使用 geom_smooth 平滑。我知道我也可以在更多点上使用 predict() 来平滑它，但这似乎必须有更好的方法来做到这一点。

Answer 1

可能是这样的吗？

ggplot(data = mtcars, aes(x = mpg, y = vs)) +
  geom_point( aes(color = as.factor(gear))) +
  geom_smooth(
    method = "glm",
    method.args = list(family = "binomial"),
    se = F
  )

Answer 2

通常我发现如果你试图让 ggplot 做一些非标准的事情（即不常见或不寻常的转换），如果你只计算你想要绘制的内容，然后绘制它，它会更容易和更快使用简单的 ggplot 语法。

library(ggplot2)

fit <- glm(vs ~ mpg + factor(gear), data = mtcars, family = binomial)

new_data <- data.frame(gear = factor(rep(3:5, each = 100)),
                       mpg  = rep(seq(10, 35, length.out = 100), 3))

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


ggplot(data = mtcars, 
       aes(x = mpg, y = vs, color = as.factor(gear))) +
  geom_point() +
  geom_line(data = new_data, size = 1)

^{由reprex package (v0.3.0) 于 2020 年 11 月 30 日创建}