在R中可视化两个连续变量与一个分类变量的三向交互

首先，把连续变量二分（比如用中位数切割）来简化三向交互的可视化是个很实用的思路——既能保留核心交互信息，又能让图的解读更直观。下面我用可复现的代码一步步演示：

1. 先模拟带三向交互的数据集 #

因为你没提供原始数据，我先造一个符合你需求的数据集，确保三向交互显著（后续你直接替换成自己的数据就行）：

library(tidyverse)

# 设置随机种子保证结果可复现
set.seed(123)

# 生成数据
data <- tibble(
  IVContinuousA = rnorm(500, mean = 0, sd = 1),
  IVContinuousB = rnorm(500, mean = 0, sd = 1),
  Treatment = factor(sample(c("Control", "Treatment"), 500, replace = TRUE)),
  # 构造含三向交互的因变量
  DV = 2 + 1.5*IVContinuousA + 1*IVContinuousB + 0.8*Treatment + 
       1.2*IVContinuousA:Treatment + 0.9*IVContinuousA:IVContinuousB +
       1.8*IVContinuousA:IVContinuousB:Treatment + rnorm(500, 0, 0.5)
)

# 拟合模型验证三向交互显著（和你的情况匹配）
model <- lm(DV ~ IVContinuousA*IVContinuousB*Treatment, data = data)
summary(model)

2. 二分处理IVContinuousB #

这里用中位数作为切割点，把它分成Low和High两组（你也可以根据研究需求用均值或领域内的临界值）：

data <- data %>%
  mutate(
    IVContinuousB_bin = case_when(
      IVContinuousB <= median(IVContinuousB) ~ "Low",
      TRUE ~ "High"
    ) %>% factor(levels = c("Low", "High"))
  )

3. 用ggplot2绘制三向交互图 #

我们用**分面（facet）**展示IVContinuousB的高低组，每个分面里呈现IVContinuousA和Treatment对DV的交互：

ggplot(data, aes(x = IVContinuousA, y = DV, color = Treatment)) +
  # 可选：添加散点展示原始数据分布（alpha调透明度避免重叠）
  geom_point(alpha = 0.3) +
  # 添加线性拟合线（对应你的线性模型，se=TRUE显示置信区间）
  geom_smooth(method = "lm", se = TRUE, linewidth = 1) +
  # 按IVContinuousB的分组拆分展示
  facet_wrap(~IVContinuousB_bin) +
  # 美化主题
  theme_minimal() +
  labs(
    x = "IV Continuous A",
    y = "DV",
    color = "分组",
    title = "三向交互可视化：IVContinuousA × Treatment × IVContinuousB",
    subtitle = "按IVContinuousB的高低组拆分展示"
  )

4. 怎么解读这个图？ #

• 重点观察每个分面里（Low/High组），Treatment和Control两条拟合线的斜率差异：如果两个分面里的斜率差异明显不同，就直接对应了三向交互的存在。
• 比如在这个模拟数据里，IVContinuousB为High组时，Treatment组的斜率比Control组陡很多；而Low组里两组斜率差异较小——这就是三向交互的直观体现。

补充说明 #

虽然二分连续变量很直观，但会损失部分信息。如果你想保留IVContinuousB的连续性，也可以尝试：

• 用拟合值绘制geom_tile，把IVContinuousB作为x轴或填充色；
• 用plotly制作三维交互图（但解读起来相对复杂）。不过对于初步解读，二分法已经足够清晰。

内容的提问来源于stack exchange，提问作者Sarah