下面是我所理解的代码中包含的内容的摘要：

• 您正在使用stats包中的函数glm来适应模型。stats是一个基础R包。
• 您正在使用ggeffects包中的函数ggpredict来构造预测。
• 在ggpredict的输出上调用plot意味着您正在使用ggeffects包中的plot方法。
• 最后，您将使用patchwork包中的函数wrap_plots来组装最终的图形。

plts = lapply(names(coefficients(glm.fit))[-1],function(i){
   return(plot(ggpredict(glm.fit,i))) 
})

wrap_plots(plts ,ncol = 2, nrow = 4)

字符串
我对你的问题的理解是，你（1）想知道为什么你的图上的y轴会变化，（2）问如何生成具有0- 100%的相同y轴比例的图。
1.这些图是由这个函数https://strengejacke.github.io/ggeffects/reference/plot.html生成的。在你的代码中，它为每个系数生成一个图，这意味着每个图的y轴比例独立于该图中的数据范围。
1.要使用当前的绘图方法生成具有相同y轴比例的图，您需要将limits=c(0,1)添加到plot函数。

plts = lapply(names(coefficients(glm.fit))[-1],function(i){
   return(plot(ggpredict(glm.fit,i),limits = c(0,1))) 
})

wrap_plots(plts ,ncol = 2, nrow = 4)

型
这里是一个具有2个预测因子的GLM的可重复示例。首先，这里是压缩y轴尺度的示例。

# load libraries
library(ggeffects)
library(patchwork)

# read data from
# https://environmentalcomputing.net/statistics/glms/glm-1/
crabs <- read.csv("https://environmentalcomputing.net/datasets/Crabs.csv")

# fit model
glm.fit <- glm(CrabPres ~ Time + Dist, family = binomial, data = crabs)

# predict the response for each coefficient
# then plot the predictions 
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
  return(plot(ggpredict(glm.fit,i))) 
})

# use patchwork to arrange plots
wrap_plots(plts ,ncol = 2, nrow = 1)

型
x1c 0d1x的数据
下面是新的示例，0-100% y轴比例：

# load libraries
library(ggeffects)
library(patchwork)

# read data from
# https://environmentalcomputing.net/statistics/glms/glm-1/
crabs <- read.csv("https://environmentalcomputing.net/datasets/Crabs.csv")

# fit model
glm.fit <- glm(CrabPres ~ Time + Dist, family = binomial, data = crabs)

# predict the response for each coefficient
# then plot the predictions 
plts = lapply(names(coefficients(glm.fit))[-1],function(i){
  return(plot(ggpredict(glm.fit,i),limits=c(0,1)) 
})

# use patchwork to arrange plots
wrap_plots(plts ,ncol = 2, nrow = 1)

型

的