如何在gtsummary和sjPlot中为交互项添加参考水平及解读

用gtsummary显式展示交互项参考水平 #

默认gtsummary的回归表会隐藏分类变量的参考水平，包括交互项的基准组合。只需在tbl_regression()中设置show_reference_rows = TRUE，就能把所有参考水平（包括交互项的基准组合）显式列出来。

示例代码：

library(gtsummary)
# 构造带分类变量的示例数据
mtcars$am <- factor(mtcars$am, levels = c(0,1), labels = c("自动挡", "手动挡"))
mtcars$cyl <- factor(mtcars$cyl, levels = c(4,6,8), labels = c("4缸", "6缸", "8缸"))

# 拟合带交互项的线性回归
model <- lm(mpg ~ am * cyl, data = mtcars)

# 生成带参考水平的汇总表
tbl_regression(model, show_reference_rows = TRUE) %>%
  modify_header(label = "**变量**") %>%
  modify_caption("含交互项参考水平的线性回归汇总表")

执行后，表格会把am=自动挡 + cyl=4缸这个交互项的基准组合单独列出，标注为「Reference」，系数显示为0，明确展示参考水平的位置。

用sjPlot显式展示交互项参考水平 #

sjPlot的tab_model()同样默认隐藏参考水平，通过show.reference = TRUE参数可以强制显示，再配合interaction.style调整交互项的展示形式：

示例代码：

library(sjPlot)
# 生成带参考水平的交互项回归表
tab_model(model, 
          show.reference = TRUE,
          interaction.style = "full", # 同时展示主效应和交互项的所有水平
          title = "含交互项参考水平的线性回归表",
          dv.labels = "燃油效率(mpg)",
          string.ref = "参考水平")

interaction.style = "only"会只展示交互项的各组合，"full"则会同时显示主效应和交互项的所有水平，按需选择即可。

• 显著交互项（P < 0.05）：说明两个变量对因变量的影响不是独立的——一个变量的效应强度/方向会随着另一个变量的水平变化而改变。比如上面的例子，如果am*cyl的P值显著，就不能笼统说「手动挡比自动挡省油」，必须结合气缸数：可能4缸手动挡比自动挡省油很多，但8缸手动挡和自动挡的油耗差异极小甚至相反。
• 不显著交互项（P ≥ 0.05）：说明两个变量的效应是独立的，直接解读各自的主效应即可，无需考虑变量间的联动影响。

如果要贴合你期望的样式（比如把参考水平标斜体、隐藏冗余列），可以用modify_*系列函数定制：

tbl_regression(model, show_reference_rows = TRUE) %>%
  modify_column_hide(std.error) %>% # 隐藏标准误列
  modify_column_order(c(label, estimate, p.value)) %>%
  modify_rows(
    rows = reference_row == TRUE,
    update = list(estimate = "参考水平", p.value = "-")
  ) %>%
  modify_styling(
    rows = reference_row == TRUE,
    text_style = "italic"
  ) %>%
  modify_caption("自定义样式的交互项回归表")

内容的提问来源于stack exchange，提问作者Andrzej Andrzej