致敬天桥下的卖艺者，零基础说科研，写的ggrcs包新的2.6版本已经在CRAN上线，增加了多元线性回归分析模块，现在支持逻辑回归（logistic回归）、cox回归和多元线性回归
需要的可以使用代码安装
install.packages("ggrcs")如果原来安装了旧版本，可以通过Rstudio进行升级
这样就可以升级到最新版本了，新版本修正了一些前期的错误和增加了绘制多元线性回归分析RCS模块，以我的臭氧数据（公众号回复：臭氧数据，可以获得数据）为例子，演示一下，先导入R包和数据
library(rms)library(ggplot2)library(scales)library(ggrcs)library(foreign)be <-read.spss("E:/r/test/ozone.sav",use.value.labels=F,to.data.frame=T) #臭氧数据
数据中有七个变量，ozon每日臭氧水平为结局变量，Inversion base height（ibh）反转基准高度，Pressure gradient (mm Hg) 压力梯度（mm Hg），Visibility (miles) 能见度（英里），Temperature (degrees F) 温度（华氏度），Day of the year日期，vh我也不知道是什么，反正就是一参数，这里所有的变量都是连续的。
假设我们想了解温度和臭氧浓度的关系
整理数据
dd <-datadist(be)options(datadist='dd')
建立模型
fit<-ols(ozon~rcs(temp, 4)+dpg,data=be)绘图
ggrcs(data=be,fit=fit,x="temp",histbinwidth=1)
假设我们想了解不同分组中，温度与臭氧浓度的关系，我们数据中没有分组变量，我自己生成一个
set.seed(1234)be$variables2<-sample(0:1,size=330,replace=TRUE)be$variables2<-as.factor(be$variables2)
整理数据
dd <-datadist(be)options(datadist='dd')
建立模型
fit<-ols(ozon~rcs(temp, 4)+dpg+variables2,data=be)
绘图
ggrcs(data=be,fit=fit,x="temp",group="variables2",histbinwidth=1)
OK，演示完毕，其他操作同前两个模型一样，我就不演示了，有兴趣的可以看我的既往文章。值得一提的是，线性回归一定要注意数据的分布，最好是正态分布，不是正态分布的最好取个对数弄成近似正态分布，不然绘制出来的图形会很怪
