您无法在逻辑回归中以这种方式真正评估偏差。Logisitic 回归仅预计对 log 几率或 logit 分数 log(p/(1-p)) 没有偏差。比例会出现偏差，因此看起来有偏差。您需要根据对数几率绘制残差。

不太可能存在任何通用软件来执行此操作。很可能是因为没有解决回归问题的一般理论。因此，这更像是一个“我会做什么”类型的答案，而不是一个基于理论的程序。

您生成的图基本上是具有 100 个分箱的视觉 HL 测试，但使用单个预测器而不是预测概率来进行分箱。这意味着您的程序可能会继承 HL 测试的某些属性。

尽管您应该意识到“过度拟合”您的标准，但您的程序听起来很合理。您的标准作为诊断也不太有用，因为它已成为估计过程的一部分。此外，每当你凭直觉做某事时，你应该尽可能详细地写下你的决策过程。这是因为您可能会发现一般过程或理论的种子，当开发这些过程或理论时，它会导致更好的过程（相对于某些理论而言更加自动化和最优）。

我认为一种方法是首先减少您需要调查的地块数量。一种方法是将每个变量拟合为三次样条，然后研究具有非零非线性估计的图。考虑到数据点的数量，这也是非线性的简单自动修复。这会将您的模型从 50 扩展到 200+50k，其中 k 是节数。您可以将其视为应用“真实”转换的“统计泰勒级数展开”。

如果在此之后您的诊断仍然看起来很糟糕，那么我会尝试添加交互项。

您的部分问题似乎更多地是关于编写一个交互式程序，这比这里更像是 stackoverflow 的领域。搜索探索性数据分析工具也可能很有用，因为这些工具更有可能具有您可以“搭载”的功能。