Plotten Sie die Ergebnisse eines multivariaten logistischen Regressionsmodells in R

Question

Ich möchte die Ergebnisse einer multivariaten logistischen Regressionsanalyse (GLM) für eine spezifische unabhängige Variablen (dh unabhängig von der Confounders in das Modell aufgenommen) Beziehung mit der Ergebnis (binär).

Ich habe Beiträge gesehen, die die folgende Methode mit dem predict Befehl gefolgt von curve empfehlen, hier ist ein Beispiel;

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") 

Dies scheint jedoch nicht für multivariate Regressionsmodelle zu arbeiten. Ich bekomme den folgenden Fehler, wenn ich "age" (willkürlich - könnte jede Variable der gleichen Länge sein) als eine confounding Variable hinzufügen;

> 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 

---

Das obige Modell ist eine vereinfachte Version der Modelle würde ich gerne laufen, aber das Prinzip ist das gleiche; Ich möchte die Beziehung zwischen einer binären Ergebnisvariable und einer kontinuierlichen Exposition, unabhängig von Störfaktoren, darstellen..

Es wäre toll, entweder einen Workaround für das oben genannte zu bekommen, oder eine alternative Möglichkeit, die Beziehung zu sehen, die mich interessiert. Vielen Dank.

Answer 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()