如何在R中用lme4绘制多水平模型中连续变量的交互效应图

针对你用lme4::glmer拟合的二分类多水平模型，想要展示educ.c和acc.c的交互效应，这里有两种实用且易实现的方案，都是R生态中常用的方法：

首先先修正你的模型代码——在glmer中不需要用final$var的形式引用变量，直接写变量名即可（因为已经指定了data = final），这样后续处理会更顺畅：

library(lme4)
# 修正后的模型代码
model <- glmer(trust ~ educ.c + age.c + gender + C14_RESPONDENT_OCCUPATION_SCALE + tot_country.c + int_use.c + educ.c*acc.c + (educ.c | Country), 
               data = final, 
               family = binomial, 
               weights = W85_WEIGHT_EU27_+_TR_+_HR_+_NO_+_CH_+_IS, 
               nAGQ=0, 
               control = glmerControl(optimizer = "optimx", calc.derivs = FALSE, optCtrl = list(method = "nlminb", starttests = FALSE, kkt = FALSE)))

方法一：用interactions包快速绘制（最简便） #

interactions包专门为交互效应可视化设计，支持混合效应模型，一行代码就能生成直观的概率尺度交互图：

library(interactions)
# 绘制交互效应图，type="prob"指定展示概率（因变量是二分，这个尺度最易解释）
interact_plot(model, 
              x = educ.c,               # x轴变量：educ.c
              moderator = acc.c,        # 调节变量：acc.c
              type = "prob",            # 输出概率尺度（替代logit尺度）
              interval = TRUE,          # 显示95%置信区间
              x.label = "Centered Education (educ.c)",
              y.label = "Probability of Trust",
              legend.main = "Centered Acc (acc.c)")

这个函数会自动处理其他协变量的典型值（连续变量取均值，分类变量取参考水平/众数），并且尊重你模型中的权重设置。

方法二：用emmeans+ggplot2定制化绘制（更灵活） #

如果需要更精细的自定义（比如调整颜色、线条样式，或者选择特定的调节变量取值），可以用emmeans计算边际效应，再用ggplot2画图：

步骤1：准备预测用的变量取值 #

我们可以选择acc.c的几个关键水平（比如均值±1标准差，或者分位数），再生成educ.c的连续序列：

library(emmeans)
library(ggplot2)

# 选择acc.c的3个典型水平：10分位、中位数、90分位（也可以用mean±sd）
acc_vals <- with(final, quantile(acc.c, c(0.1, 0.5, 0.9), na.rm = TRUE))
# 生成educ.c的连续序列（覆盖数据中的全范围）
educ_seq <- seq(min(final$educ.c, na.rm = TRUE), max(final$educ.c, na.rm = TRUE), length.out = 100)

步骤2：计算边际效应（概率尺度） #

用emmeans计算控制其他协变量后的预测概率，这里我们忽略随机效应（展示群体平均水平的效应），如果需要展示每个国家的效应，可以去掉re.form = ~0：

# 计算边际效应，转换为概率尺度
emm <- emmeans(model, ~ educ.c * acc.c, 
               at = list(educ.c = educ_seq, acc.c = acc_vals),
               re.form = ~0,  # 忽略随机效应，得到群体水平的平均效应
               type = "response")  # 转换为概率（而非logit尺度）

# 转换为数据框方便ggplot使用
emm_df <- as.data.frame(emm)

步骤3：用ggplot2绘图 #

ggplot(emm_df, aes(x = educ.c, y = prob, color = factor(acc.c))) +
  geom_line(linewidth = 1) +  # 绘制交互线条
  geom_ribbon(aes(ymin = lower.CL, ymax = upper.CL, fill = factor(acc.c)), 
              alpha = 0.2, color = NA) +  # 绘制置信区间
  labs(x = "Centered Education (educ.c)",
       y = "Probability of Trust",
       color = "Centered Acc (acc.c)",
       fill = "Centered Acc (acc.c)") +
  theme_minimal()

关键注意事项 #

• 协变量取值：两种方法都会默认将其他协变量设置为典型值（连续变量取均值，分类变量取参考水平），如果需要自定义，可以在interact_plot的covariate.values参数，或者emmeans的at参数中指定。
• 随机效应处理：如果你想展示每个国家的交互效应，可以在emmeans中去掉re.form = ~0，但这样图会包含所有国家的线条，可能过于拥挤，建议只在需要展示组间差异时使用。
• 尺度选择：如果需要展示logit尺度的交互（而非概率），只需将type = "prob"改为type = "link"即可，但概率尺度对非统计背景的读者更友好。

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