将具有一个连续和一个分类预测变量的逻辑二项回归转化为一个方程

Question

基本上，我有这个数据，其中响应变量是二元结果（1 或 0），没有访问或有访问。两个预测变量是盒子高度（高或低）和到牧场的距离 (km)。该模型工作正常，但我似乎无法找到说的概率，当距离为 0 且框高度为高时。

marsupials <- read.csv("Marsupial_Data.csv") # same with this


###Distance and Height model
fit1 <- glmer(Visit ~ PastureDistance + BoxHeight * (1|Site), data=marsupials, family=binomial(link="logit"))

#summary (gives co-efficients)
summary(fit1) 


#prediction times
# predict using the model
predictions <- predict(fit1, marsupials)
predictions



xv <- seq(min(marsupials$PastureDistance), max(marsupials$PastureDistance), 0.01)
yv <- predict(fitDis, data.frame(PastureDistance = xv), type = "response")


#The Jitter Plot
ggplot(marsupials, aes(PastureDistance, Visit, color = BoxHeight))+
  geom_point(size= 4, position=position_jitter(h=0.02,w=0.00))+ 
  scale_color_manual(values = c("darkgreen", "brown"), name = "Nest Box Height")+
  stat_smooth(size = 2, method = "glm", method.args = list(family = binomial), colour = "#4B2D0B")+
  theme_classic()+
  xlab("Distance to Pasture (km)")+
  ylab("Presence")+
  labs(fill = "Box Height")+
  theme(axis.title = element_text(size=18),
        axis.text = element_text(size=18),
        legend.text = element_text(size=12),
        legend.title = element_text(size=14))

这是我的代码。我必须道歉，因为我对这一切真的很陌生，所以我的解释和布局不是最好的。

总结给了我系数，但我不太明白如何解释它们。

这是一张图片，因为我显然无法格式化：

我知道如果你使用 exp(-19.064) 你应该得到概率，但这对我来说似乎不正确，因为它给出了 5.255451e-09 的概率，呃......非常小的机会。

这是我的数据：()

任何帮助将不胜感激