用R繪制預測值並比較隨機效應plm模型中的相互作用項的最佳方法是什么？

Question

我有一個plm隨機效應模型，該模型包括連續變量和分類變量之間的相互作用（出於說明目的，假設分類變量具有很強的宗教信仰，而連續變量則是對慈善事業的貢獻）。

這是示例數據（IRL，數據大得多）

ratio     contrib     relig    np_score     ID    year 
.4          3          1          11        1      1990  
0           7          0          8         2      1990
.9          7          1          6         1      1992
.7          6          1          10        1      1994
.1          2          0          4         2      1992
.3          9          0          8         2      1994

我想隨着貢獻的增加來繪制預期的結果，這取決於受訪者是否認同強烈的宗教信仰。

m1 <- plm(ratio ~ contrib + relig + np_score + contrib*relig, 
            data = panel_dat, 
            index = c("ID", "year"),
            model = "random", random.method = "amemiya")

我已經嘗試了interaction.plot，如下所示：

interaction.plot(panel_dat$contrib, panel_dat$relig, predict(m1), col = 2:3, lty = 1)

但是我得到了錯誤術語：

Error in tapply(response, list(x.factor, trace.factor), fun) : 
  arguments must have same length

我最終寧願使用ggplot2做到這一點。 有什么建議么？ 似乎應該有一個簡單的答案...

Answer 1

此示例代碼生成下面的多線圖（在ggplot中）。 不確定軸是否正確...您可以根據需要進行調整。

# Create sample dataframe
df <- data.frame(
  id = c(1, 1, 1, 2, 2, 2),
  year = c(2000, 2001, 2002, 2000, 2001, 2002),  
  ratio = c(0.3, 0.6, 0.1, 0.4, 0.5, 0.6),
  contrib = c(310, 220, 230, 140, 0, 10),
  relig = c(1, 1, 1, 3, 3, 3)
)

# Build model and predictions
library(plm)
m1 <- plm(ratio ~ contrib + relig + contrib*relig, data = df, index = c('id','year'))
df$p_ratio <- predict(m1)

# Create plot
library(ggplot2)
ggplot(data=df, aes(x=contrib, y=p_ratio, group=relig))+geom_line(size=2, aes(color=relig))