我有一个二元响应变量（冰雹）和多个连续预测变量。我的目标是了解预测变量与响应的线性/非线性关系，以便能够证明使用线性或非线性模型的合理性。
我得到了使用条件密度图（cdplot()在 R 中）的建议。由于我的数据分布（SO问题）遇到了一些问题，我也尝试了旋转图（spineplot()）。为了可视化我的 x 变量的点密度，我使用lattice::densityplot()了“条件密度对于 x 的高密度区域更可靠”。
个人解释：
我读到了cdplot()这里的解释。'Spinograms' 和 'Cond. 窝点。图'显示给定温度下冰雹/无冰雹的概率。根据对x 轴变量Spinograms的调用提供分组的 x 轴视图。hist()'条件。窝点。plot' 显示与 Spinograms 基本相同，只是平滑了？
我害怕 -18 到 -10 区域的高概率，
spineplot()因为cdplot()我的 x 变量只有几个点落入这个范围，因此这个区域“不太可靠”。如何解读-18°C区域
spineplot()的差异？显示大约 0.1 的概率，而显示大约 0.3 的峰值？cdplot()spineplot()cdplot()
我会得出结论，它spineplot()显示出非线性关系，同时也cdplot()显示出这一点，但是有轻微的负线性关系趋势？