如何 plot 与 R 中的逻辑回归 model 中的两个分类预测变量进行双向交互？

Question

I am trying to plot in R a two-way interaction with two dichotomous predictors from a logistic regression model (ie, the DV is dichotomous as well) such that the y-axis will present the probabilities and the predicted values with have SE bars.

我试过使用 afex_plot：

glm <- glm(Y ~ X*Z, data = Data,
            family = "binomial")
library("afex")  
afex_plot(glm, X", "Y")

并收到以下错误：

Error in tbl[, vars, drop = FALSE] : incorrect number of dimensions

然后我尝试使用 ggpredict 和 plot 函数并成功生成所需的 plot。 但是，带有二项式 model 的 ggpredict 允许您在 plot 上仅显示 CI 而不是 SE 条：

mydf <- ggpredict(glm, c("X","Z"))
plot(mydf)

然后我尝试使用 ggpredict 保存的 SE 手动计算误差线，但随后意识到标准误差始终在链接规模上，而不是针对非高斯模型进行反向转换！

我如何 plot 所需的图形？

在此先感谢，阿米特

Answer 1

不知道为什么ggpredict没有给你你想要的。 这是我使用它时得到的结果，请注意，一切都自动在响应范围内。

set.seed(32043)
dat <- tibble(
X = sample(c("L1", "L2"), 250, replace=TRUE),
Z = sample(c("L1", "L2"), 250, replace=TRUE)
)
b <- c(-1, 1, -2, 3)
mat <- model.matrix(~X*Z, data=dat)
p <- plogis(mat %*% b)
dat$y <- rbinom(250, 1, p)
mod <- glm(y ~ X*Z, data = dat, family="binomial")

library(ggeffects)
g <- ggpredict(mod, c("X", "Z"))
g
# # Z = L2
# 
# x  | Predicted |   SE |       95% CI
# ------------------------------------
# L2 |      0.84 | 0.34 | [0.73, 0.91]
# L1 |      0.07 | 0.46 | [0.03, 0.16]
# 
# # Z = L1
# 
# x  | Predicted |   SE |       95% CI
# ------------------------------------
# L2 |      0.47 | 0.25 | [0.35, 0.59]
# L1 |      0.34 | 0.29 | [0.23, 0.48]

然后，您可以对这些对象使用内置的 plot 方法。

plot(g)

如果您想要从afex_plot()获得的线条，则可以使用适当的几何图形添加它们。

plot(g) + 
  geom_line(aes(linetype=group), 
            position=position_dodge(width=.25))

---

编辑：SE 条而不是 CI

我误解了原来的帖子 - 特别需要 SE 酒吧。 我通常这样做的方式是使用参数引导。 首先对系数进行参数引导

b <- MASS::mvrnorm(1000, coef(mod), vcov(mod))

然后，制作定义四个预测的数据 - X和Z两个值的所有组合：

newdat <- expand.grid(
  X = factor(c(1,2), labels=c("L1", "L2")),
  Z = factor(c(1,2), labels=c("L1", "L2")), 
  y=0
)

然后，制作 model 矩阵并生成所有自举系数的预测概率：

Xnew <- model.matrix(mod, data=newdat)

probs <- plogis(Xnew %*% t(b))

接下来，将预测和标准误差（根据每个条件的所有自举概率计算）放入预测数据框中。

newdat$fit <- predict(mod, newdata=newdat, type="response")
newdat$se <- apply(probs, 1, sd)

然后，您可以使 plot 从每个拟合概率中添加和减去标准误差：

ggplot(newdat, aes(x=X, y=fit, colour=Z)) + 
  geom_errorbar(aes(ymin=fit-se, ymax=fit+se), 
                width=.05, 
                position=position_dodge(width=.25)) + 
  geom_point(position=position_dodge(width=.25)) + 
  geom_line(aes(x=as.numeric(X), linetype=Z), 
            position=position_dodge(width=.25)) + 
  theme_bw()