如何创建规范的预测概率图？基于faraway包debt数据集的问题求助

核心错误点 #

1. 变量处理顺序颠倒：先构建模型再转换变量类型，导致模型使用的是未转换的原始变量，后续的因子转换对已生成的mod1完全无效。同时错误地将连续协变量prodebt转为因子，让模型把它当作分类变量处理，无法生成连续平滑的预测概率曲线。
2. 预测参数不匹配：predict时newdata用了income=inclevels，但模型的协变量是prodebt，变量名完全错误。R会默认调用原数据集的prodebt（已转成464个水平的因子），但inclevels有465个值，因此触发行数不匹配的警告。
3. 绘图对应关系错位：图例的线条类型（lty）与实际绘制的曲线对应错误，导致图例说明和曲线不匹配。

修正后的完整代码 #

# 加载依赖包与数据集
library(faraway)
library(nnet) # multinom函数属于nnet包
data(debt)

# 正确处理变量类型：响应变量转因子，协变量保持连续型
debt$ccarduse <- as.factor(debt$ccarduse)
# prodebt为连续变量，无需转因子（若原数据是数值型）

# 重新构建多分类逻辑回归模型
mod1 <- multinom(ccarduse ~ prodebt, data = debt)

# 生成合理的预测序列：基于原数据prodebt的范围生成100个连续点，保证曲线平滑
prodebt_seq <- seq(min(debt$prodebt), max(debt$prodebt), length.out = 100)
newdata <- data.frame(prodebt = prodebt_seq) # 变量名必须与模型协变量一致

# 预测各分类的概率
preds <- predict(mod1, newdata = newdata, type = "probs")

# 绘制优化后的预测概率图
plot(prodebt_seq, preds[,1], type = "l", lwd = 2, ylim = c(0, 1),
     xlab = "prodebt", ylab = "Probabilities of credit card use",
     cex.lab = 1.3, cex.axis = 1.3)
lines(prodebt_seq, preds[,2], lty = 2, lwd = 2)
lines(prodebt_seq, preds[,3], lty = 3, lwd = 2)
# 图例直接使用响应变量的水平，避免手动输入出错
legend("topright", legend = levels(debt$ccarduse),
       lty = c(1, 2, 3), lwd = 2, cex = 1.2)

关键优化说明 #

• 变量逻辑修正：先处理变量类型再建模，确保模型识别多分类响应，同时保留prodebt的连续属性，让模型拟合连续变量的边际效应，生成平滑的概率曲线。
• 预测逻辑修正：使用与模型一致的变量名prodebt，并基于原数据的实际范围生成预测点，既解决了警告问题，又保证预测结果的合理性。
• 绘图细节优化：调整y轴范围为概率的合理区间（0-1），增加线条宽度提升可读性，图例直接调用响应变量的水平值，避免手动对应错误。

内容的提问来源于stack exchange，提问作者Predicted mod