设置

library(dplyr)
library(frair)

d <- gammarus %>% mutate(y = eaten/(eaten + alive))

步骤1：回归

您可以使用lm（线性模型）函数从方程

估计系数：

lm(y ~ density, data = d)

步骤2：多项式回归

要使用多项式函数形式，可以使用poly函数。第一个参数是变量，第二个参数是多项式的次数，然后必须指定是原始多项式还是正交多项式。在我们的示例中，它将是原始多项式，请查看this post以了解更多细节。
您可以通过将密度替换为密度的三次原始多项式来从

估计四个系数：

lm(y ~ poly(density, 3, raw = T), data = d)

第3步：逻辑回归

最后一步是从线性模型

转换到逻辑模型

，为此，您需要glm函数（广义线性模型），并且必须指定您需要family = binomial(link = "logit")的logit（而不是probit，例如this post）规格。

glm(y ~ poly(density, 3, raw = T), data = d, family = binomial(link = "logit"))