如何绘制因分类变量的边际效应差异？——基于ordinal模型与emmeans的技术求助

我完全懂你的需求——你想要的是每个rating类别下，不同temp组中contact水平的预测概率差异，而不是emmeans默认输出的潜变量对数尺度差异，这确实是ordinal模型使用时容易碰到的小细节问题！下面给你一步步的解决方案：

1. 先获取概率尺度的边际预测值 #

emmeans对ordinal的clm模型默认是在潜变量的对数几率尺度上计算结果，所以必须指定type = "response"才能得到我们需要的预测概率。我们可以按rating类别分组，获取每个temp × contact组合的概率：

library(ordinal)
library(emmeans)
library(ggplot2)

# 你的模型
wine.clm <- clm(rating ~ temp * contact, data = wine)

# 获取每个(temp, contact)组合在各rating上的预测概率
wine.probs <- emmeans(wine.clm, ~ contact * temp | rating, type = "response")

2. 计算contact水平间的概率差异 #

接下来用pairs()函数，在每个temp和rating组内，计算contact两个水平的概率差异（比如warm组减cold组，可通过reverse参数调整方向）：

# 计算同一temp、同一rating下contact水平的概率差异
prob_diff <- pairs(wine.probs, reverse = TRUE) # reverse = TRUE 表示 warm - cold（可根据你的temp实际水平调整）

# 转换为数据框方便绘图
diff_df <- as.data.frame(prob_diff)

3. 绘制概率差异图 #

现在就可以用ggplot2绘制直观的差异图了，添加置信区间和零参考线，能清晰看到交互效应：

ggplot(diff_df, aes(x = rating, y = estimate, color = temp)) +
  # 带置信区间的点
  geom_pointrange(aes(ymin = lower.CL, ymax = upper.CL), 
                  position = position_dodge(width = 0.5), size = 0.8) +
  # 添加零差异参考线
  geom_hline(yintercept = 0, linetype = "dashed", color = "gray50") +
  # 标题和标签
  labs(title = "Probability Difference (warm - cold) by Rating & Temperature",
       y = "Predicted Probability Difference", 
       x = "Rating Category") +
  theme_minimal()

关键说明 #

• 为什么之前的代码得到对数几率？因为clm模型的潜变量是对数尺度，emmeans默认在这个尺度计算，必须用type = "response"或者regrid()函数转换到概率尺度。
• 如果需要更灵活的差异计算，也可以先提取概率预测值，手动计算差异再绘图，结果是一致的。

内容的提问来源于stack exchange，提问作者menomale