各位，
客户询问是否可以在我的自变量的整个可能值范围内绘制他的模型预测和/或预测区间的轮廓。
他在 R 中得到它（使用 Expand.grid 函数），其中虚线是较低的 95% 预测区间（附件 1）。
他能做的最好的事情（我也是）就是附件2，简而言之，他和我都无法得到虚线。（我还有一组带有图表的虚拟数据）
他还在社区中发布了这个问题。
您有什么建议吗？
谢谢
你好@MarcoSalfi ,
Expand.grid 函数的作用类似于 Seaborn for Python 中的 FacetGrid 或 R 的 ggplot2 中的facet_grid 函数。 它基本上以公式或矩阵的形式输入一个或多个因素的所有可能组合。 Expand.grid 函数使用的完整 R 代码行是什么？ 我猜绘图代码的其余部分是用虚线框绘制密度图的。
嗨，马可，
一种选择可能是创建一个空间填充设计，以充分涵盖用户希望探索的可能性范围，然后评估空间填充设计中所有组合的公式。
不过我想问一下，他想通过创作剧情来获得什么信息？ 更好的替代方案可能是公式或回归模型的刻画图 - 不带或带外推控制。 分析器是解决此问题高维复杂性的更好方法。 我们可能希望对使用经验模型时在 X 空间（或设计空间）范围之外进行推断的危险给出通常的警告。
马尔科姆
你好@克里斯_基希伯格，遵循客户使用的代码：
## 变换变量
log.AlphaLISA = log(AlphaLISA)
log.rabbit = log(Rabbit.Ab)
log.mouse = log(Mouse.Ab)
log.lysate = log(裂解物)
fit = lm( Log.AlphaLISA ~ Ab*(log.rabbit+log.mouse+log.lysate)^2 +
Ab*I(log.rabbit^2) + Ab*I(log.mouse^2) +
Ab*I(log.裂解液^2) )
d.grid = 展开.grid(
Ab=c(“R1-M1”，“R1-M2”，“R2-M1”，“R2-M2”，“R3-M1”，“R3-M2”)，
log.rabbit=seq(log(0.3), log(3), 长度=5),
log.mouse=seq(log(0.3), log(3), 长度=10),
log.lysate=seq(log(0.25), log(2), 长度=10)
）
## 预测区间降低 95%
d.grid = cbind(d.grid,
预测（拟合，newdata=d.grid，间隔=“预测”，水平=0.9））
d.grid[,"lower95p"] = exp(d.grid[,"lwr"])
谢谢马尔科姆，
讨论正在朝这个方向发展。 事实上，客户也愿意接受其他选择。
