首先回答一下我的问题：
我一直在处理一个相当大的动物数据集，这些动物逃离持有围栏（6个站点的2000多个观测值，有~20个分类/连续变量），并且已经运行逻辑回归GLMM，其中站点为随机效应。< / p>
回应：逃避的可能性（1/0）
使用模型平均我已将范围缩小到两个变量（一个分类/一个连续），这两个变量分别重要和作为两者之间的相互作用。
分类预测器：封闭质量（3级因子= 1,2,3） 连续预测器：先前逃逸的数量
我正在努力为分类变量获取信息丰富的情节，并希望得到一些帮助。我想表明，随着封装质量的变化，如果可能的话，逃逸的概率会随某种趋势线而变化。
我为连续变量尝试了以下代码，它为我提供了我所追求的内容：
ggplot(Breakouts.Scaled, aes(x=Number_of_Previous_Breakouts,y=Breakout)) +
geom_point() +
geom_smooth(method=glm, colour="black")
然而，对于分类变量，我得到了相当无意义的输出：
ggplot(Breakouts.Scaled, aes(x=Fence_Integrity,y=Breakout)) +
geom_point() +
geom_smooth(method=glm, colour="black")
如果有人知道如何获得具有趋势线或等效的分类变量的情节，并且可能是连续和分类之间的相互作用的情节，那么将非常感激。
NB。这是我在这个网站上的第一篇文章（虽然我在发布之前已经找到了答案），我是R和统计建模的新手，所以如果有什么需要进一步解释请告诉我。
谢谢。
