如何使用base R和ggplot绘制逻辑回归模型的结果 **创建一个新的数据帧并添加一个名为surv24的二进制列** （数据=24,1,0） 白细胞抗原时间surv24 1230至651 2750至1561 34300目前1001 42600至1341 56000目前160 6 10500目前108 1 7 4000 17 0 **logistic回归模型** logistic.model

如果没有更多的样本数据，就不可能给出一个工作示例作为答案。因此，我将尝试对您的数据集进行反向工程：

set.seed（123）
白细胞37 9550缺失104 0

这看起来相当接近。现在我们将创建您的模型。不清楚您为什么要记录白细胞计数：这会扭曲您的最终结果，并且没有必要，因此我们将仅使用白细胞计数运行模型：

logistic.model
#>电话：
#>glm（公式=surv24~wbc+ag，family=“二项式”，data=leukemia.data）
#> 
#>偏差残差：
#>最小1季度中值3季度最大值
#> -2.0564  -0.8820   0.4460   0.8258   1.9888  
#> 
#>系数：
#>估计标准误差z值Pr（>z）
#>（截距）5.7107385 2.4790234 2.304 0.02124*
#>wbc-0.0007356 0.0002790-2.636 0.00839**
#>agpresent 2.1593304 0.4922130 4.387 1.15e-05***
#> ---
#>签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1
#> 
#>（二项式族的离散参数取为1）
#> 
#>零偏差：在99个自由度上为138.47
#>剩余偏差：97自由度时为110.56
#>AIC:116.56
#> 
#>Fisher评分迭代次数：4

为了生成漂亮的逻辑线，我们需要创建一个虚拟数据集，其中包含我们希望绘制的x值范围内的样本：

**creat a new data frame and add a binary column called surv24** 

leukemia.data <- data.frame(wbc = leuk$wbc, ag = leuk$ag, time = leuk$time, surv24 =ifelse(leuk$time>=24, 1,0)) 


    Wbc     ag      time    surv24
1   2300    present  65      1
2   750     present  156     1
3   4300    present  100     1
4   2600    present  134     1
5   6000    present  16      0
6   10500   present  108     1
7    4000   absent   17      0




**logistic regression model**

logistic.model <- glm(surv24 ~ log.wbc + ag, family='binomial', data=leukemia.data)
summary(logistic.model)

fit <- predict(logistic.model, type='response')

leuki <- data.frame (cbind(leukemia.data, fit))

ag_present <- subset(leuki[leuki$ag=='present',])
ag_absent <- subset(leuki[leuki$ag=='absent',])


plot(surv24 ~ wbc, data = leukemia.data, main = "Survival Probablity vs Number of White blood cells",  xlab = "Number of White blood cells", ylab = "Surviavla Probablity")
lines(ag_present$wbc, ag_present$fit, col='red')
lines(ag_absent$wbc, ag_absent$fit, col='green')
legend(0.8,85000, legend =c("Simple Linear Regression Model Predictions","Quadratic Regression Model Predictions"), col = c("green","red"), lty = 1:2, cex=0.7)

但是，要在base R图形中重新创建目标绘图，可以执行以下操作：

plot（虚拟测向$wbc[1:151]/1000，虚拟测向$surv24[1:151]，
type=“l”，col=“green”，ylim=c（0,1），
ylab=“24周前死亡的概率”，
xlab=“WBC计数”，bty=“L”）
行（dummy_df$wbc[152:302]/1000，dummy_df$surv24[152:302]，col=“黑色”）
使用（白血病数据，点数）（白细胞[ag==“存在”]/1000，
surv24[ag==“present”]，col=“red”））
有（白血病）数据，分（白细胞[ag==“缺失”]/1000，
surv24[ag==“缺席”，col=“黑色”））
图例（“右上角”，图例=c（“缺席”，“在场”），title=“AG测试”，
lty=c（1,1），col=c（“黑色”、“绿色”），pch=c（1,2），bty=“L”）

---

现在主要的警告是：既然你已经有了原始生存时间，你可能应该把它作为生存分析，而不是逻辑回归，由于转换为二进制结果会损失大量统计能力。

我同意对数转换部分，如果我的系数接近零，我应该在运行模型后应用它。数据来自包{MASS}，包含完整数据集的表被称为（leuk）。您可以使用完整的数据集重做解决方案吗？非常感谢。

dummy_df <- data.frame(ag = rep(c("present", "absent"), each = 151),
                       wbc = rep(seq(0, 15000, 100), 2))

dummy_df$surv24 <- predict(logistic.model, newdata = dummy_df, type = "response")