各位，
客戶詢問是否可以在我的自變量的整個可能值範圍內繪製他的模型預測和/或預測區間的輪廓。
他在 R 中得到它（使用 Expand.grid 函數），其中虛線是較低的 95% 預測區間（附件 1）。
他能做的最好的事情（我也是）就是附件2，簡而言之，他和我都無法得到虛線。（我還有一組帶有圖表的虛擬數據）
他還在社區中發布了這個問題。
您有什麼建議嗎？
謝謝
你好@MarcoSalfi ,
Expand.grid 函數的作用類似於 Seaborn for Python 中的 FacetGrid 或 R 的 ggplot2 中的facet_grid 函數。 它基本上以公式或矩陣的形式輸入一個或多個因素的所有可能組合。 Expand.grid 函數使用的完整 R 代碼行是什麼？ 我猜繪圖代碼的其餘部分是用虛線框繪製密度圖的。
嗨，馬可，
一種選擇可能是創建一個空間填充設計，以充分涵蓋用戶希望探索的可能性範圍，然後評估空間填充設計中所有組合的公式。
不過我想問一下，他想通過創作劇情來獲得什麼信息？ 更好的替代方案可能是公式或回歸模型的刻畫圖 - 不帶或帶外推控制。 分析器是解決此問題高維複雜性的更好方法。 我們可能希望對使用經驗模型時在 X 空間（或設計空間）範圍之外進行推斷的危險給出通常的警告。
馬爾科姆
你好@克里斯_基希伯格，遵循客戶使用的代碼：
## 變換變量
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 = 展開.grid(
Ab=c(“R1-M1”，“R1-M2”，“R2-M1”，“R2-M2”，“R3-M1”，“R3-M2”)，
log.rabbit=seq(log(0.3), log(3), 長度=5),
log.mouse=seq(log(0.3), log(3), 長度=10),
log.lysate=seq(log(0.25), log(2), 長度=10)
）
## 預測區間降低 95%
d.grid = cbind(d.grid,
預測（擬合，newdata=d.grid，間隔=“預測”，水平=0.9））
d.grid[,"lower95p"] = exp(d.grid[,"lwr"])
謝謝馬爾科姆，
討論正朝這個方向發展。 事實上，客戶也願意接受其他選擇。
