You need to enable JavaScript to run this app. R语言中如何实现同一回归模型内两组双向交互作用的单图联合可视化
优惠活动
大模型
产品
解决方案
定价
更多

R语言中如何实现同一回归模型内两组双向交互作用的单图联合可视化

含多交互项的线性回归模型及可视化实现

假设我们有由三个自变量构成的向量 X = (X₁, X₂, X₃),以及因变量 Y,对应的含双双向交互的回归模型形式如下:

Y = α + β₁X₁ + β₂X₂ + β₃X₃ + β₁₂X₁X₂ + β₂₃X₂X₃ + ε

应用案例介绍

本次案例所用数据集样例如下:
Sample data
数据集共包含4个变量:

  • 连续因变量 Y
  • 连续自变量 age
  • 二分类自变量 Sex
  • 三分类自变量 Cat3gr

可通过如下代码拟合含全部主效应、双交互、三交互的基础模型:
Fitmodel <- lm(Y ~ Sex + age + Cat3gr + Sex * Cat3gr * age, data = data)

执行 summary(Fitmodel) 得到的输出结果为:

Call:
lm(formula = Y ~ Sex + age + Cat3gr + Sex * Cat3gr * age, data = data)

Residuals:
   Min     1Q Median     3Q    Max 
-3.963 -0.528  0.270  0.850  2.274 

Coefficients:
                    Estimate Std. Error t value Pr(>|t|)  
(Intercept)         -2.29563    1.18565   -1.94    0.053 .
SexMale             -0.16346    1.74527   -0.09    0.925  
age                  0.06408    0.03098    2.07    0.039 *
Cat3gr2             -0.65256    1.31432   -0.50    0.620  
Cat3gr3              0.12589    1.60637    0.08    0.938  
SexMale:Cat3gr2      2.73782    1.91548    1.43    0.153  
SexMale:Cat3gr3      1.42120    2.50115    0.57    0.570  
SexMale:age          0.00207    0.04619    0.04    0.964  
age:Cat3gr2         -0.00546    0.03359   -0.16    0.871  
age:Cat3gr3          0.00610    0.04204    0.15    0.885  
SexMale:age:Cat3gr2 -0.05389    0.04963   -1.09    0.278  
SexMale:age:Cat3gr3 -0.03253    0.06617   -0.49    0.623  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.28 on 762 degrees of freedom
  (26 observations deleted due to missingness)
Multiple R-squared:  0.0974,    Adjusted R-squared:  0.0843 
F-statistic: 7.47 on 11 and 762 DF,  p-value: 2.85e-12

R语言双交互同图可视化实现方案

针对模型中存在的Sex:age、age:Cat3gr两组双向交互,无需拆分单独绘图,可通过模型预测值结合分面映射的方式在单图内同步呈现两组效应,实现步骤如下:

  1. 加载依赖包
    直接调用ggeffects基于模型自动计算预测值,避免手动匹配因子编码规则产生的计算误差,搭配ggplot2完成绘图:
    # 安装依赖
    install.packages(c("ggeffects", "ggplot2"))
    library(ggeffects)
    library(ggplot2)
    
  2. 生成预测数据集
    按视觉映射逻辑指定变量对应关系:
    • 横轴:连续变量age,生成50个均匀分布的取值点
    • 线条颜色:二分类变量Sex
    • 分面维度:三分类变量Cat3gr
      该映射下,单分面内的线条斜率差异直接展示Sex与age的交互效应,跨分面的线条斜率、截距差异直接展示age与Cat3gr的交互效应,两组交互在同一张图内完整呈现:
    pred_data <- ggpredict(
      Fitmodel,
      terms = c("age [n=50]", "Sex", "Cat3gr"),
      ci_level = 0.95
    )
    
  3. 输出可视化结果
    plot(pred_data, show_ci = TRUE, connect_lines = TRUE) +
      labs(
        x = "年龄",
        y = "Y的预测值",
        color = "性别"
      ) +
      theme_bw()
    

ggpredict会自动匹配模型中的因子参照水平、交互项编码规则,不需要手动根据summary输出的系数逐项计算预测值,结果和模型拟合逻辑完全一致。


内容的提问来源于stack exchange,提问作者Sedi

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.13 11:15:07