你说的危险因素保护因素我不太懂，这个模型可以有多个自变量的，给你个例子看看吧
这个是薛毅那本书的课后题6.6
x1=rep(c(1,0),c(118,133))  ##x1=1表示实现有计划
x2=rep(c(1,0,1,0),c(20,98,98,35))  ##x2=1表示用抗生素
x3=rep(c(1,0,1,0,1,0),c(18,2,58,40,124,9))  ##x3=1表示有危险因子
y=rep(c(1,0,1,0,1,0,1,0),c(1,19,28,30,51,87,23,12))  ##y=1表示感染
inject=data.frame(x1,x2,x3,x,y)
log.inj=glm(y~x1+x2+x3,family=binomial,data=inject)
summary(log.inj)
new=data.frame(x1=c(1,1,1,1,0,0,0,0),x2=c(1,1,0,0,1,1,0,0),
               x3=c(1,0,1,0,1,0,1,0))
log.pre=predict(log.inj,new)
p=exp(log.pre)/(1+exp(log.pre));p
############结果
p为感染的概率，可以看出，p4（1,0,0）和p8(0,0,0)的概率近似相等都很大，说明因素是否事先准备对感染的
影响很小。p6(0,1,0)=0.2356726,概率很小，说明因素是否使用抗生素对感染产生了很大的影响。p7(0,0,1)=
0.6373355 ,概率也比较大，说明因素是否有危险因子对感染产生了影响但是不大。
综上所述，是否使用抗生素对感染的影响很大，是否有危险因子对感染存在影响，但是不大；是否又准备对感染几乎不产
生影响

根据得到的模型画出预测曲线(二维情况),x,y是原始数据，自变量和因变量，多个因变量就选取一个，也可以画多元的图形，比如星图，轮廓图等
二维例子，画出散点图和预测的回归曲线:
       d=seq(0，5，len=100)
       pre=predict(glm.sol,data.frame(x=d))
       p=exp(pre)/(1+exp(pre))
       plot(x,y);lines(d,p)
希望对你有帮助

感谢回答问题；能问一下多元的图形是怎么绘制吗？
还有就是想问问logistic回归模型里的因变量是不是只有危险因素和保护因素而不能是U型（先保护后无效后危险）
问题有点烦，希望高手能帮忙解疑

这里的x是多元数据
stars(x,full=TRUE,draw.segments=FALSE,)
##星图，雷达图或蜘蛛网图
##full=TRUE,星图画成圆形，FALSE画成上半圆图形；draw.segments=TRUE绘出的星图是一段一段的弧
##脸谱图，需要安装程序包aplpack,其他脸谱图需安装TeachingDemos
library(aplpack)
faces(x)
##轮廓图我这没有存的，在《R统计建模与R软件》薛毅这本书里有。

谢谢你耐心的回复。
1.那个多变量展现的搞懂了，我记得还有面谱图啊什么的做数据描述
   =。=虽然还是不知道logistic模型除了一条公式外能用什么图表现。。
2.我第二个问题是那些有两重效应的（先有益后有害），后来想想可以转为哑变量（虽然丢失了信息）
那个案例我也回去翻翻薛毅书吧
也祝你在统计之路上有所建树吧