在 R 中绘制多元逻辑回归模型的结果

Posted 2023-03-12

【中文标题】在 R 中绘制多元逻辑回归模型的结果

【英文标题】：Plot the results of a multivariate logistic regression model in R

【发布时间】：2012-07-02 18:13:37

【问题描述】：

我想绘制针对特定自变量调整（即独立于模型中包含的混杂因素）与结果（二元）关系的多元逻辑回归分析 (GLM) 的结果。

我看到一些帖子推荐使用以下方法，使用predict 命令后跟curve，这是一个示例；

x     <- data.frame(binary.outcome, cont.exposure)
model <- glm(binary.outcome ~ cont.exposure, family=binomial, data=x)
plot(cont.exposure, binary.outcome, xlab="Temperature",ylab="Probability of Response") 
curve(predict(model, data.frame(cont.exposure=x), type="resp"), add=TRUE, col="red")

但是，这似乎不适用于多元回归模型。当我添加“年龄”（任意 - 可以是任何相同长度的变量）作为混杂变量时，出现以下错误；

> x     <- data.frame(binary.outcome, cont.exposure, age)
> model <- glm(binary.outcome ~ cont.exposure + age, family=binomial, data=x)
> plot(cont.exposure, binary.outcome, xlab="Temperature",ylab="Probability of Response") 
> curve(predict(model, data.frame(cont.exposure=x), type="resp"), add=TRUE, col="red")
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 
  variable lengths differ (found for 'age')
In addition: Warning message:
  'newdata' had 101 rows but variable(s) found have 698 rows 

---

上面的模型是我想跑的模型的简化版，但是原理是一样的； 我想绘制二元结果变量与连续暴露之间的关系，不受混杂因素的影响。。

如果能找到解决上述问题的方法，或者另一种方法来查看我感兴趣的关系，那就太好了。非常感谢。

【问题讨论】：

你可以看看car包中的crPlots函数。

@BenBarnes 对此表示感谢。我查看并快速使用了数据，但该函数无法识别我正在执行逻辑回归。但是，如果我使用线性回归（即，我的曝光现在是我的结果，我的二元变量是自变量），那么我确实得到了我想要的。你会发布这个作为我接受的答案，还是我应该接受？

我要支持蒂埃里的回答！

@Luke 你有没有找到解决这个问题的好方法？正如您在评论中指出的那样，接受的答案有点错过了问题的意图。

@colin 很遗憾没有，在过去的几年里我没有看到任何东西可以做我真正追求的事情。你有什么建议吗？

【参考方案1】：

set.seed(12345)
dataset <- expand.grid(Temp = rnorm(30), Age = runif(10))
dataset$Truth <- with(dataset, plogis(2 * Temp - 3 * Age))
dataset$Sample <- rbinom(nrow(dataset), size = 1, prob = dataset$Truth)
model <- glm(Sample ~ Temp + Age, data = dataset, family = binomial)
newdata <- expand.grid(
  Temp = pretty(dataset$Temp, 20), 
  Age = pretty(dataset$Age, 5))
newdata$Sample <- predict(model, newdata = newdata, type = "response")
library(ggplot2)
ggplot(newdata, aes(x = Temp, y = Sample)) + geom_line() + facet_wrap(~Age)

ggplot(newdata, aes(x = Temp, y = Sample, colour = Age, group = Age)) + 
  geom_line()

【讨论】：

感谢您的回复 - 我应该在我的问题中指定，但我在我的示例中提供了一个简化模型。实际上有许多混杂变量（其中一些是连续的，其他因素），我想将我的结果（二元）和暴露（连续）之间的关系可视化，独立于我在模型中包含的其他变量。你知道ggplot是否可以做到这一点？再次感谢

@BenBarnes 确实提供了一个很好的方法来实现连续的结果；通过使用我的二元变量作为曝光运行线性回归，我可以获得一个不错的图，但这不是我使用的原始逻辑框架，所以替代方案也很棒。

@LukeTheDuke：在这种情况下，为感兴趣的协变量设置一系列值，并将所有其他协变量固定在相关级别。