Johnson-Neyman交互图绘制失败：ANCOVA交互项识别报错求助

问题背景 #

构建带交互项的ANCOVA模型：

camomodel <- lm(FID ~ start_dist * pattern, data = camo)

其中pattern为4水平分类变量，模型输出显示存在显著交互项（如start_dist:patternspots、start_dist:patternstripes），但调用interact_plot绘制Johnson-Neyman（JN）区间时触发报错：

Error in `johnson_neyman()`:
! Could not find interaction term in the model, so Johnson-Neyman interval could not be calculated.
Backtrace:
 1. interactions::johnson_neyman(camomodel, pred = start_dist, modx = pattern)

报错原因 #

JN分析默认仅支持连续变量×连续变量或连续变量×二分类变量的交互场景。当分类变量存在多水平时，R会将其拆分为多个哑变量，生成多个独立的交互项（如你的模型中是start_dist:patternplain、start_dist:patternspots、start_dist:patternstripes），而非单一的start_dist:pattern交互项，导致johnson_neyman()函数无法识别整体交互项。

解决办法 #

需对分类变量的水平进行两两对比，分别计算每组对比的JN区间：

方法1：以默认基准水平为参照，逐一对比其他水平 #

假设pattern的默认基准水平为[基准水平名称]（可通过levels(camo$pattern)查看因子水平排序），执行以下代码：

# 对比plain水平与基准水平
interactions::johnson_neyman(camomodel, pred = start_dist, modx = pattern, modx.values = c("[基准水平名称]", "plain"))

# 对比spots水平与基准水平
interactions::johnson_neyman(camomodel, pred = start_dist, modx = pattern, modx.values = c("[基准水平名称]", "spots"))

# 对比stripes水平与基准水平
interactions::johnson_neyman(camomodel, pred = start_dist, modx = pattern, modx.values = c("[基准水平名称]", "stripes"))

替换[基准水平名称]为实际的基准水平字符串

方法2：对比任意两个非基准水平 #

若需对比如spots和stripes这类非基准水平，可先重新设定模型的参考水平，再分析：

# 重新设定pattern的参考水平为spots
camo$pattern <- relevel(camo$pattern, ref = "spots")
# 重新拟合模型
camomodel_new <- lm(FID ~ start_dist * pattern, data = camo)
# 分析stripes与spots的交互JN区间
interactions::johnson_neyman(camomodel_new, pred = start_dist, modx = pattern, modx.values = c("spots", "stripes"))

交互效应解读 #

从模型系数输出可得出以下结论：

• 基准水平（未在系数表中显示的pattern水平）的FID随start_dist的变化斜率为0.62283，即start_dist每增加1单位，FID平均提升0.62。
• patternplain与基准水平的斜率差异为-0.04533，但无统计学显著性（p=0.618），说明两者的FID随start_dist的变化趋势无显著差异。
• patternspots的斜率比基准水平低0.21434，且显著（p=0.019）：start_dist越大，spots水平的FID增长速度越慢于基准水平。
• patternstripes的斜率比基准水平低0.32816，显著度极高（p<0.001）：stripes水平的FID随start_dist的增长速度远慢于基准水平，JN图将直观展示start_dist在哪个区间内，两者的FID差异具有统计学意义。

内容的提问来源于stack exchange，提问作者Cat1