提问人：Mohammad 提问时间：10/30/2023 更新时间：10/31/2023 访问量：32
逻辑回归图中不同的结果量表（y 轴）
different scale for outcome(y-axis) in logistic regression plot
问：
为了绘制具有多个预测变量的逻辑回归，我在 R 中使用了一个库 （ggeffects）。为了制作所有变量的逻辑回归图，我编写了以下代码，它是函数的输出：glm.fitglm()
plts = lapply(names(coefficients(glm.fit))[-1],function(i){ return(plot(ggpredict(glm.fit,i))) })
最后，我使用了以下函数 wrap_plots（plts ，ncol = 2， nrow = 4）
我得到了我的 7 个预测变量的下图
如您所见，WBC 的 Y 轴在 0 到 100% 之间，而 RBC 的 Y 轴在 0 到 60% 之间。如果有人能向我解释我所有预测变量的 Y 轴如何介于 0 到 100% 之间，我将不胜感激。
此致敬意
答：
2赞
gregor-fausto
10/31/2023
#1
以下是我所理解的包含在您的代码中的内容的摘要：
- 你正在使用包中的函数来拟合模型。 是基本 R 包。
glmstatsstats - 你正在使用包中的函数来构造预测。
ggpredictggeffects - 调用 的输出意味着您正在使用包中的 plot-method。
plotggpredictggeffects - 最后，您将使用包中的函数来组装最终图形。
wrap_plotspatchwork
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
return(plot(ggpredict(glm.fit,i)))
})
wrap_plots(plts ,ncol = 2, nrow = 4)
我对你的问题的理解是，你 （1） 想知道为什么你的图上的 y 轴会有所不同，以及 （2） 询问如何生成具有相同 y 轴比例 0-100% 的绘图。
- 绘图是由此功能 https://strengejacke.github.io/ggeffects/reference/plot.html 生成的。在您的代码中，它为每个系数生成一个图，这意味着每个图的 y 轴刻度都独立设置为该图中的数据范围。
- 要使用当前的绘图方法生成具有相同 y 轴比例的绘图，您需要添加到函数中。
limits=c(0,1)plot
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
return(plot(ggpredict(glm.fit,i),limits = c(0,1)))
})
wrap_plots(plts ,ncol = 2, nrow = 4)
下面是具有 2 个预测变量的 GLM 的可重现示例。首先，下面是压缩 y 轴刻度的示例。
# load libraries
library(ggeffects)
library(patchwork)
# read data from
# https://environmentalcomputing.net/statistics/glms/glm-1/
crabs <- read.csv("https://environmentalcomputing.net/datasets/Crabs.csv")
# fit model
glm.fit <- glm(CrabPres ~ Time + Dist, family = binomial, data = crabs)
# predict the response for each coefficient
# then plot the predictions
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
return(plot(ggpredict(glm.fit,i)))
})
# use patchwork to arrange plots
wrap_plots(plts ,ncol = 2, nrow = 1)
现在，下面是新的 0-100% y 轴刻度的示例：
# load libraries
library(ggeffects)
library(patchwork)
# read data from
# https://environmentalcomputing.net/statistics/glms/glm-1/
crabs <- read.csv("https://environmentalcomputing.net/datasets/Crabs.csv")
# fit model
glm.fit <- glm(CrabPres ~ Time + Dist, family = binomial, data = crabs)
# predict the response for each coefficient
# then plot the predictions
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
return(plot(ggpredict(glm.fit,i),limits=c(0,1))
})
# use patchwork to arrange plots
wrap_plots(plts ,ncol = 2, nrow = 1)
评论