绘制线性与非线性多元回归模型的添加变量图

当然可以！avPlots()函数本身就支持生成单张的添加变量图，完全满足你“为每个预测变量单独绘图、控制其他变量不变”的需求，下面给你两种实用的实现方法：

方法1：直接指定单个变量绘制 #

avPlots()的terms参数可以让你精准指定要单独绘制的预测变量，注意对于多项式这类特殊项，要使用模型中对应的变量名称（你可以通过names(model$coefficients)查看模型里的变量标识）。

示例代码：

library(car)
library(broom)
library(jtools)

# 先拟合你的模型
model <- lm(mpg ~ poly(disp,3) + wt + carb + factor(gear), data = mtcars)

# 可选：查看模型中的所有变量名称，确认多项式项的正确写法
names(model$coefficients)

# 生成单个变量（比如wt）的添加变量图
avPlots(model, terms = "wt")

# 生成非线性项poly(disp,3)的添加变量图
avPlots(model, terms = "poly(disp, 3)")

# 生成分类变量factor(gear)的添加变量图
avPlots(model, terms = "factor(gear)")

这种方法最直接，你还可以循环遍历所有预测变量，批量生成单张图，完全适配你的需求。

方法2：从批量图中提取单张展示 #

如果你已经生成了所有变量的添加变量图，也可以把它们存储为对象，再通过索引提取单张图单独显示：

# 生成所有图并存储，ask=FALSE避免弹窗询问
all_avplots <- avPlots(model, ask = FALSE)

# 提取第2个图（对应wt，索引可根据变量顺序调整）
all_avplots[[2]]

另外要提醒你：添加变量图展示的是控制其他所有预测变量不变时，响应变量与目标预测变量的偏残差关系，对于你模型中的非线性项（比如poly(disp,3)），图中会自动拟合对应的曲线，能清晰呈现非线性趋势，正好匹配你的需求。

内容的提问来源于stack exchange，提问作者user138089