Binomial logistic regression绘图疑问：是绘制错误还是理论与实践差异？

• 你的回归绘制没有错误
  不管是用ggplot2的geom_smooth还是手动拟合glm再绘图，你的代码逻辑完全正确，两次结果一致也验证了这一点。

• 差异根源：模拟数据与教学示例数据的本质区别
  你生成样本的代码里，AWO是完全随机的0/1取值，和corn变量没有任何关联：

  sample = data.frame(AWO = sample(0:1,1000, T),
                      corn = rnorm(1000, 0, 1))
  

  这种情况下，logistic回归拟合出的"AWO=1"的概率会趋近于0.5（随机事件的概率），所以曲线是水平的，和你得到的图一致。

  而教学示例的图是为了展示logistic回归的典型S形趋势，它使用的是自变量和因变量存在显著关联的数据——当自变量变化时，因变量为1的概率会明显上升或下降，自然呈现出弯曲的S形曲线。示例中的红色虚线应该是加入指示变量后，不同分组的拟合线，用来展示分组后的趋势差异。

• 验证方法：生成有真实关联的数据
  修改样本生成代码，让AWO和corn产生关联，比如：

  sample = data.frame(
    corn = rnorm(1000, 0, 1),
    AWO = rbinom(1000, 1, plogis(2*corn))  # 让corn越大，AWO=1的概率越高
  )
  

  再运行你的绘图代码，就能得到和教学示例类似的S形曲线。

内容的提问来源于stack exchange，提问作者Stakerauo