如何解释有序logit模型的图

Question

我正在使用r运行polr回归，因为此数据集的因变量是序数1。然后我用Effects包创建了一个效果图。 但现在我不确定如何解释这个情节。我是否可以简单地说，如果焦点预测器增加一个单位，则概率会降低以获得依赖变量的最低类别并增加以获得因变量的最高类别？或者我可以完全解释这样的情节：如果AvRating的值为零，则进入第二类或更高类别的概率约为20％。如果AvRating的值为5，则此概率最多可增加50％。

我所说的情节如下： enter image description here

在这里你可以看到这个情节的R代码：

AvRating <- c(4.250000, 5.000000, 0.000000, 3.920000, 2.333333, 0.000000)
b <- c(0, 0, 0, 0, 1, 1)
CIB <- c(2, 1, 1, 1, 1, 1)
d <- c(0, 0, 0, 0, 0, 0)
e <- c(1, 1, 0,  1, 1, 1)
f <- c(26,  1,  1,  2,  7,  7)
g <- c(-4.000000000, -0.004364805, -4.000000000, -4.000000000, -0.004364805, -0.004364805)
mydata <- cbind(AvRating,b,CIB,d,e,f,g)



ohne1 <- polr(CIB ~ b + AvRating + d + e + f + g,
       data= mydata, method= "logistic", Hess=T)
Eff.ohne1 <- Effect(focal.predictors = "AvRating", mod= ohne1)
Eff.df <- data.frame((Eff.ohne1))
Eff.df <- Eff.df[,1:7]
neu1 <- gather(Eff.df, time, prob.X1, prob.X1:prob.X6)
ggplot(neu1, aes(x=AvRating, y=prob.X1, fill=time)) + geom_area()

代码运作良好，只是解释。 谢谢你的帮助。