使用R做Logistic回归分析建模的代码

在R语言中，使用`glm()`函数可以方便地进行逻辑斯蒂回归（Logistic Regression）建模。以下是基本步骤和一个例子：

# 首先，假设我们有一个数据框df，其中包含两列连续变量X1和X2，以及一列离散目标变量Y（0或1）

# 加载所需库
library(dplyr)  # 数据操作
library(ggplot2)  # 可视化
library(MASS)    # 包含glm函数

# 加载示例数据（如果不存在，请先创建）
data("mtcars")

# 假设Y列是我们的因变量，而X1和X2是自变量
mtcars <- mtcars %>% mutate(Y = ifelse(cyl == 6 | cyl == 8, 1, 0))  # 将cyl转换为二分类

# 创建逻辑回归模型
logit_model <- glm(Y ~ X1 + X2, data = mtcars, family = "binomial") 

# 查看模型摘要
summary(logit_model)

# 进行预测
predictions <- predict(logit_model, newdata = mtcars, type = "response")
prob_predictions <- predict(logit_model, newdata = mtcars, type = "prob")

# 可视化结果
ggplot(mtcars, aes(x = X1, y = Y)) +
  geom_point(aes(color = prob_predictions[,2])) +
  labs(title = "Logistic Regression Model Predictions", x = "X1", y = "Y")

#