Tracer le glm-fit de niveau individuel au niveau agrégé dans R

Question

Dans R, j'ajuste un GLM (logit) sur des données de niveau individuel avec une variable dépendante binominal. Cependant, je voudrais tracer l'ajustement sur un niveau agrégé (c'est-à-dire avec le% de succès sur l'axe des ordonnées). Quel serait le moyen le plus simple de tracer à la fois la dispersion des données réalisées (agrégat) et la droite de régression? J'ai déjà essayé ggplot avec stat_smooth() mais si je fais la dispersion au niveau agrégé, le glm sera également ajusté à ce niveau agrégé.

library(datasets) 
data(mtcars) 
fit <- glm(vs ~ mpg + cyl + mpg:cyl + disp + drat, family=binomial(link='logit'), data=mtcars) 

mtcars_agg <- mtcars %>% 
    group_by(carb) %>% 
    summarise_each(funs(mean)) 

form <- formula("mtcars$vs ~ mtcars$mpg + mtcars$cyl + mtcars$mpg:mtcars$cyl + mtcars$disp + mtcars$drat") 

ggplot(mtcars_agg, aes(x=mpg, y=vs)) + geom_point() + 
    stat_smooth(data=mtcars, method="glm", formula = form, method.args=list(family="binomial"), se=FALSE) 

Est-ce que quelqu'un sait comment faire face à cela? Si je ne spécifie pas la formule dans l'appel stat_smooth, il y a deux choses qui ne sont pas comme je voudrais le voir:

1. Il faut juste y ~ x comme formule. Cependant, j'aimerais aussi inclure des variables d'interaction.
2. J'aimerais intégrer des données de niveau individuel, pas des données agrégées.

Sans préciser la formule, l'intrigue ressemble à ceci:

Answer 1

Comme je l'ai écrit dans le commentaire, je pense qu'il est impossible de visualiser cette GLM comme vous rétribue un terrain 5 dimensions. Cependant, il est possible de visualiser la probabilité de vs contre différents mpg (ou autre variable) alors que d'autres variables sont constantes.

Voici mon exemple:

library(datasets) 
data(mtcars) 

fit <- glm(vs ~ mpg + cyl + mpg:cyl + disp + drat, family=binomial(link='logit'), data=mtcars) 

to.visualize <- expand.grid(mpg=c(10:35), cyl=4, disp=300, drat=4) 
to.visualize$vs <- predict.glm(fit, newdata = to.visualize, type="response") 

library(ggplot2) 
ggplot(data=to.visualize, aes(x=mpg, y=vs))+ 
    geom_point()+ 
    geom_path()+ 
    ggtitle("Probability of vs for different mpg while cyl=4, disp=300, drat=4") 

Ce qui donne intrigue qui ressemble à ceci: