二项GLM绘图出现多条预测线的原因与单线条调整方法

图中出现的交叉乱线是连线逻辑错误导致的，和已拟合的logistic模型本身没有关系：

• 你当前的绘图代码仅实现了原始0/1分类值的散点绘制，本身不会自动生成模型拟合线
• 出现乱线通常是尝试补加线条时，直接按照数据集的原始行顺序连接样本点，没有按照x轴（雏鸟体重）的数值大小排序：因为数据的原始记录顺序和体重大小没有对应关系，连线会在图中来回折返、交叉，最终形成多根交错的杂乱线条，完全不是模型的拟合趋势
• 直接连接未排序的预测值也会产生同样的问题：哪怕是用模型算出来的预测值，如果没有按x轴顺序排列，连点成线后依然会出现杂乱的交叉效果

核心逻辑是先按x轴取值范围生成规整的连续预测序列，再基于模型算出对应预测值，最后按顺序连线，具体步骤和代码如下：

• 第一步：绘制原始样本散点，可对纵向的0/1分类值加轻微抖动，避免同取值的点完全重叠，同时将y轴范围设置在0-1的概率区间，适配后续的拟合线展示
• 第二步：按照雏鸟体重的实际取值范围，生成一组从小到大连续均匀排列的体重值作为预测的自变量序列
• 第三步：调用已拟合的logistic模型，将预测序列对应的线性预测结果转换为实际的繁殖终末概率值
• 第四步：将按顺序排列的预测值用线条连接，即可得到单条平滑的S型logistic拟合线

对应的可运行代码：

# 绘制原始散点（加轻微纵向抖动减少点重叠）
plot(jitter(cranesData$Terminal_Effect, amount = 0.03) ~ cranesData$chick_mass,
     xlab = "Chick Mass (kg)",
     ylab = "Probability of Terminal Reproduction",
     pch = 19,
     ylim = c(-0.05, 1.05))

# 生成按体重值升序排列的预测用x序列
x_pred <- seq(
  from = min(cranesData$chick_mass),
  to = max(cranesData$chick_mass),
  length.out = 100
)

# 计算对应x序列的终端效应概率预测值
y_pred <- predict(
  object = m10,
  newdata = data.frame(chick_mass = x_pred),
  type = "response"
)

# 绘制单条平滑拟合线
lines(x_pred, y_pred, col = "#c0392b", lwd = 2)

关键注意事项：

• 禁止直接使用lines(cranesData$Terminal_Effect ~ cranesData$chick_mass)这类写法连线，该写法会严格按照数据行的原始顺序连点，是产生交叉乱线的最常见诱因
• 预测时必须指定type = "response"，否则默认输出的是logit尺度的线性预测值，不是可用于绘图的实际概率值
• 传入predict函数的newdata必须包含和模型自变量完全同名的列名，否则会触发参数不匹配的报错

内容的提问来源于stack exchange，提问作者Steph Curtis