geom_abline 用于逻辑回归 (ggplot2)

Question

如果这个问题很简单，我很抱歉，但是，我找不到任何解决方案来解决我的问题。我想用 ggplot2 绘制逻辑回归线。问题是我无法使用，geom_abline因为我没有原始模型，只有每条回归线的斜率和截距。我已经使用这种方法进行线性回归，并且这对于 来说效果很好geom_abline，因为您可以为函数提供多个斜率和截距。

geom_abline（数据 = 估计值，aes（截距 = inter，斜率 = slo）

其中inter和slo是具有多个值的向量。

如果我对逻辑回归的系数尝试相同的方法，我将得到错误的回归线（线性）。我正在尝试使用 geom_line，但是，我无法使用该函数predict来生成预测值，因为我没有原始模型对象等。

有什么建议吗？

预先感谢，古斯塔沃

Answer 1

coefs[1]如果模型具有 logit 链接，则您可以仅使用截距 ( ) 和斜率 ( )绘制预测，coefs[2]如下所示：

library(ggplot2)

n <- 100L
x <- rnorm(n, 2.0, 0.5)
y <- factor(rbinom(n, 1L, plogis(-0.6 + 1.0 * x)))

mod <- glm(y ~ x, binomial("logit"))
coefs <- coef(mod)

x_plot <- seq(-5.0, 5.0, by = 0.1)
y_plot <- plogis(coefs[1] + coefs[2] * x_plot)

plot_data <- data.frame(x_plot, y_plot)

ggplot(plot_data) + geom_line(aes(x_plot, y_plot), col = "red") + 
        xlab("x") + ylab("p(y | x)") +
        scale_y_continuous(limits = c(0, 1)) + theme_bw()

编辑

k下面是在前面的代码中在同一图表上绘制预测概率线的一种方法：

library(reshape2)

k <- 5L

intercepts <- rnorm(k, coefs[1], 0.5)
slopes <- rnorm(k, coefs[2], 0.5)

x_plot <- seq(-5.0, 5.0, by = 0.1)
model_predictions <- sapply(1:k, function(idx) {
            plogis(intercepts[idx] + slopes[idx] * x_plot)
        })

colnames(model_predictions) <- 1:k
plot_data <- as.data.frame(cbind(x_plot, model_predictions))
plot_data_melted <- melt(plot_data, id.vars = "x_plot", variable.name = "model", 
        value.name = "y_plot")

ggplot(plot_data_melted) + geom_line(aes(x_plot, y_plot, col = model)) + 
        xlab("x") + ylab("p(y | x)") +
        scale_y_continuous(limits = c(0, 1)) + theme_bw()