如何优化R语言绘制的交互效应图，提升交互效果辨识度？

我正在撰写学术论文，需要纳入交互效应图。目前用R语言的plot_model函数绘制了图，但不确定如何优化来增强交互效应的可见性，现有R代码和生成的图表如下：

当前代码 #

plot_model4 <-
  plot_model(
    model4,
    type = "int",
    terms = c("log_EU_immigration_cumulative_4yr", "lknemny"),
    ci.lvl = 0.95
    ) +
  labs(
    title = paste0("Predicted Welfare State Support Based on Exposure to EU ",
                   "Immigration and Individual Financial Insecurity"
                   ),
    x = "Cumulative EU Immigration (Log, Last 4 Years)",
    y = "Predicted Support for Welfare State",
    color = paste0("Financial Insecurity Likelihood: How likely not enough ",
                   "money for household necessities next 12 months"
                   )
    ) +
  scale_color_manual(
    values = c("#984464", "#BFA5A3", "#449777", "#A4D8A0"),
    labels = c("Not at all likely", "Not very likely", "Likely", "Very likely")
    ) +
  theme_minimal() +
  theme(legend.position = "right") +
  scale_x_continuous(breaks = scales::pretty_breaks(n = 10)) +
  scale_y_continuous(breaks = scales::pretty_breaks(n = 10))

当前图表 #

优化方案（增强交互效应可见性） #

1. 强化分组区分度 #

• 调整配色：现有部分颜色对比度偏低，可改用专业配色库提升区分度，比如RColorBrewer的Paired色卡：

  library(RColorBrewer)
  scale_color_manual(values = brewer.pal(4, "Paired"),
                     labels = c("完全不可能", "不太可能", "可能", "非常可能"))
  

• 添加线型差异：给不同分组线条搭配不同线型（实线、虚线、点线等），确保黑白打印也能清晰区分：

  scale_linetype_manual(values = c("solid", "dashed", "dotted", "dotdash"),
                        labels = c("完全不可能", "不太可能", "可能", "非常可能"))
  

  需在plot_model中同步映射线型，或通过aes(linetype = lknemny)手动绑定分组变量。

2. 聚焦交互核心区域 #

• 标注线条交点：若交互效应显著，计算并标注不同分组线条的交点，用geom_point突出显示，同时标注坐标值强化关键信息。
• 高亮差异区间：用geom_rect在x轴上圈出斜率差异最明显的区间，引导读者关注交互效应的核心表现区域。

3. 简化文本与刻度 #

• 精简坐标轴刻度：当前x/y轴10个刻度过于密集，调整为5-6个更清晰：

  scale_x_continuous(breaks = scales::pretty_breaks(n = 5))
  scale_y_continuous(breaks = scales::pretty_breaks(n = 5))
  

• 缩短图例标题：将过长的图例标题简化为“财务不安全感可能性”，避免换行影响可读性：

  labs(color = "财务不安全感可能性")
  

4. 补充显著性信息 #

若模型中交互项显著，可在图中添加显著性标注：比如在斜率差异最大的位置用geom_text标注*/**，或在标题下方补充交互效应的显著性水平说明。

5. 优化布局细节 #

• 调整图例位置：将图例移至图表下方并横向排列，避免挤占绘图区域：

  theme(legend.position = "bottom", legend.direction = "horizontal")
  

• 加粗线条宽度：通过add.args = list(size = 1.2)传入plot_model，让线条更醒目。

优化后示例代码 #

library(RColorBrewer)

plot_model4 <-
  plot_model(
    model4,
    type = "int",
    terms = c("log_EU_immigration_cumulative_4yr", "lknemny"),
    ci.lvl = 0.95,
    add.args = list(size = 1.2)  # 增加线条宽度
    ) +
  labs(
    title = "基于欧盟移民接触程度与个人财务不安全感的福利国家支持预测",
    x = "累计欧盟移民（对数，过去4年）",
    y = "福利国家支持预测值",
    color = "财务不安全感可能性",
    linetype = "财务不安全感可能性"
    ) +
  scale_color_manual(
    values = brewer.pal(4, "Paired"),
    labels = c("完全不可能", "不太可能", "可能", "非常可能")
    ) +
  scale_linetype_manual(
    values = c("solid", "dashed", "dotted", "dotdash"),
    labels = c("完全不可能", "不太可能", "可能", "非常可能")
    ) +
  theme_minimal(base_size = 12) +
  theme(
    legend.position = "bottom",
    legend.direction = "horizontal",
    plot.title = element_text(hjust = 0.5)  # 标题居中
    ) +
  scale_x_continuous(breaks = scales::pretty_breaks(n = 5)) +
  scale_y_continuous(breaks = scales::pretty_breaks(n = 5))

内容的提问来源于stack exchange，提问作者Jana