在逻辑回归图中可视化分类数据

Question

我正在尝试基于二进制数据作为因变量（直接离开 = 0 或 1）创建逻辑回归图。自变量是连续数据（危险提示的持续时间）、计数数据（危险提示出现的时间）和分类数据（处理：蔗糖或章鱼胺）：

AnimalID       Time     Duration     Treatment       Daytime     DirectLeave
       1     1039.6          1.1       sucrose      mornings               1
       2     1116.5          7.6            OA      mornings               0
       3      359.9          2.4       sucrose     afternoon               0
       4      594.2         27.3            OA     afternoon               1
       5      951.4         10.5            OA      mornings               1
       6      612.4          3.8       sucrose     afternoon               0

到目前为止，我能够为整个数据集创建两个带有一条拟合线的图表（下图）：

library(car)
data_animal <- read.table("DirLeave_DurSorted.txt",header=T)

# Plot for relationship between immediate leave of animal and the time of danger cue presentation

pufftimegraph<-glm(DirLea ~ Time , family=binomial(link=logit), data=data_animal)
summary(pufftimegraph)
Anova(pufftimegraph)
data_animal$fitted<-pufftimegraph$fitted

dummy<-(data_animal$Time)
dummy<-sort(dummy)
print(dummy)

plot(data_animal$DirLea~data_animal$Time, xlab ="Time of the presentation of the danger cue", ylab="Proportion of wasps leaving the patch")
lines(data_animal$Time,(1/(1+(1/exp(0.0011188*data_Maxi$Time+-0.0174130)))), col="black")

# Plot for relationship between immediate leave of animal and duration of danger cue

durgraph<-glm(DirLea ~ Dur , family=binomial(link=logit), data=data_animal)
summary(durgraph)
Anova(durgraph)
data_animal$fitteddur<-durgraph$fitted
print(data_animal$fitteddur)

plot(data_animal$DirLea~data_animal$Dur, xlab ="Duration of the danger cue [s]", ylab="Proportion of wasps leaving the patch")
lines(data_animal$Dur,(1/(1+(1/exp(0.15020*data_animal$Dur+-1.00618)))), col="black")

但是，我研究的目的是展示两种治疗方法之间的差异。我知道我需要两个类别的斜率和截距值，即蔗糖和章鱼胺，但 Anova() 只为整个数据集提供一个值。 所以，我想用两条拟合线创建两个图表：每个处理一个。是否有可能做到这一点，如果可以，怎么做？

Answer 1

您在此处的模型不依赖于治疗类型，因此无论如何您都不会从同一模型中得到不同的曲线。要在治疗之间进行比较，您必须在模型中包含依赖于治疗的术语，或者将模型拟合到您的数据子集。

将模型 DirLea ~ Time 与模型 DirLea ~ Dur 进行比较也很困难，因为它们没有嵌套。这两个模型可能捕捉到不同的效果或相同的效果，具体取决于您的实验设计以及两个变量是否具有任何相关性

假设您从一个模型开始，其中包含您要比较的所有内容：

model <- glm(DirLea ~ (Time + Dur)*treatment, 
             data=data_animal, family = binomial(link=logit))

您可以通过将人工数据输入predict 来构建任意拟合线，并使用subset 提取数据的相关子集。在这里，将蔗糖处理的数据和固定为某个值的危险提示绘制成图表：

sucrose.line <- expand.grid(treatment = "sucrose", 
                            Time = seq(100, 1200, length=50)
                            Dur=mean(animal_data$Dur))
sucrose.line$fitted <- predict(model, sucrose.line)
lines(fitted ~ Time, data = sucrose.line,
      xlab ="Time of the presentation of the danger cue",    
      ylab="Proportion of wasps leaving the patch")