interact_plot交互图Y轴显示预测值及轴限修改异常问题

我使用R的interactions包中interact_plot函数绘制三变量交互模型，代码如下：

interact_plot(lin_reg, pred = "insthreat", modx = "affbehav", mod2 = "insbehav",
              y.label = "Quit Intentions")

该模型用于分析三个变量对**离职意向（Quit Intentions，取值范围0-7）**的交互预测作用。绘图后发现Y轴未采用因变量原始的0-7范围，而是显示了最高达40的预测值范围（见Plot A）。为了清晰展示，我尝试修改Y轴范围，代码如下：

interact_plot(lin_reg, pred = "insthreat", modx = "affbehav", mod2 = "insbehav",
              y.label = "Quit Intentions") + scale_y_continuous(0,7)

但修改后图表变形且其中一条线消失（见Plot B）。请问：

1. 修改轴限后线条消失的原因是什么？
2. 交互图Y轴远超因变量原始范围是否有影响？

1. 线条消失的原因 #

interact_plot会基于模型生成的预测值范围自动绘制线条，当你用scale_y_continuous(0,7)强制限定Y轴范围时，消失的那条线的所有预测值可能都落在了0-7区间之外（比如全部大于7或小于0），因此被完全挤出绘图区域，看起来像是消失了。

另外，scale_y_continuous的正确参数写法应为limits = c(0,7)，你当前的写法scale_y_continuous(0,7)实际是把第一个参数（轴标签name）设为0，第二个参数（刻度breaks）设为7，这会导致轴的设置逻辑混乱，进一步加剧图表变形问题。

2. Y轴远超因变量原始范围的影响 #

这种情况存在明显负面影响，主要体现在两点：

• 视觉误导：过大的Y轴范围会压缩实际有意义的因变量波动区间，让变量间的交互效应看起来极其微弱，不利于观察趋势差异。
• 模型合理性提示：预测值远超因变量原始范围，说明你的线性模型可能存在设定问题——比如自变量的取值组合在实际数据中不存在（即外推过度），或者模型本身不适合预测这类有明确上下限的因变量（比如应该选用逻辑回归、受限因变量模型，而非普通线性回归）。

修正建议 #

• 先修正轴范围的代码写法：

  interact_plot(lin_reg, pred = "insthreat", modx = "affbehav", mod2 = "insbehav",
                y.label = "Quit Intentions") + 
    scale_y_continuous(limits = c(0,7), oob = scales::squish)
  

  其中oob = scales::squish会把超出0-7范围的预测值“压缩”到区间边界上，而非直接丢弃，这样所有线条都能显示，同时Y轴保持0-7的合理范围。
• 检查模型设定：考虑到因变量是0-7的受限数值，普通线性回归可能不是最优选择，建议尝试lme4包的glmer（针对层级数据）或ordinal包的有序回归模型，避免出现不合理的预测值。

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