使用R的interactions包绘制Johnson-Neyman图时遇下标越界错误

1. 修正线性模型的语法错误 #

你当前的lm函数调用存在语法问题：

moderation_mod <- lm(abortion_attitude ~ condition*pol, empathy)

lm的第二个参数需要传入数据框对象，而非单独变量。如果empathy是你的数据框名称，正确写法应为：

moderation_mod <- lm(abortion_attitude ~ condition*pol, data = empathy)

如果empathy是需要加入模型的协变量，要把它放到公式里：

moderation_mod <- lm(abortion_attitude ~ condition*pol + empathy, data = 你的数据框名)

语法错误会导致模型结构异常，这是触发后续绘图报错的核心原因之一。

2. 确保分类自变量被正确识别 #

虽然你把condition编码为0/1，但要保证R将其识别为分类变量（而非连续变量），否则会干扰交互效应的计算逻辑。可以用以下代码转换：

empathy$condition <- factor(empathy$condition, levels = c(0,1), labels = c("low", "high"))

转换后重新拟合模型，确保模型能正确捕捉分组间的交互关系。

3. 规范调用johnson_neyman函数 #

修正模型后，调用函数时明确指定预测变量和调节变量，避免自动识别出错：

library(interactions)
johnson_neyman(moderation_mod, pred = condition, modx = pol)

其中pred对应你的分类自变量condition，modx对应连续调节变量pol。

4. 排查数据异常 #

若以上步骤仍报错，检查数据是否存在以下问题：

• 缺失值：用na.omit(empathy)清理缺失数据后重新拟合模型
• 调节变量pol取值异常：比如取值过于集中或存在极端值，导致置信区间计算时出现维度错误
• 样本量过小：样本不足会导致方差-协方差矩阵计算异常，触发下标越界错误

内容的提问来源于stack exchange，提问作者doglover12345678910