如何将sjPlot::plot_model中的颜色变量拆分为等宽区间

虽然主效应的方向可通过估计值的符号解读，但交互效应的解读通常需要借助可视化图表。R包sjPlot可简化这一任务，例如使用plot_model()函数绘制两个连续变量间的交互效应：

library(lme4)
#> Loading required package: Matrix
library(sjPlot)
#> Learn more about sjPlot with 'browseVignettes("sjPlot")'.
library(ggplot2)

theme_set(theme_sjplot())

# Create data partially based on code by Ben Bolker  

set.seed(101)

spin = runif(800, 1, 24)

trait = rep(1:40, each = 20)

ID = rep(1:80, each = 10)

testdata <- data.frame(spin, trait, ID)

testdata$fatigue <- 
  testdata$spin * testdata$trait / 
  rnorm(800, mean = 6, sd = 2)

# Model
fit = lmer(fatigue ~ spin * trait + (1|ID),
           data = testdata, REML = TRUE)
#> boundary (singular) fit: see help('isSingular')

plot_model(fit, type = 'pred', terms = c('spin', 'trait'))
#> Warning: Ignoring unknown parameters: linewidth

^{创建于2023-06-24，使用reprex v2.0.2}

问题 #

如何将sjPlot::plot_model()中的颜色变量拆分为等宽区间？

解决方案 #

你可以通过两种简单方式实现颜色变量的等宽区间拆分：

方法1：手动对变量分箱后可视化 #

先用cut()函数把连续变量trait拆成等宽区间，再将分箱后的变量作为分组项传入plot_model()：

# 将trait分成5个等宽区间，包含最小值
testdata$trait_bin <- cut(testdata$trait, breaks = 5, include.lowest = TRUE)

# 基于原模型，用分箱后的变量绘制交互效应图
plot_model(fit, type = 'pred', terms = c('spin', 'trait_bin'))

方法2：直接在plot_model()中指定分箱数量 #

利用plot_model()的terms参数语法，在变量名后加[n]即可自动生成n个等宽区间，比如分成5个区间：

plot_model(fit, type = 'pred', terms = c('spin', 'trait [5]'))

这样生成的图会自动将trait按等宽区间分组，不同区间对应不同颜色的线条，清晰展示交互效应的差异。

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