如何画交互作用的图

Kenneth

huangspace 把问题发在我的留言，我替他贴到这里来了。
. A1 O3 T, X* U9 w! u, j1 }罗老师，您好！我最近在写一篇涉及交互作用的文章，之前看了您的一篇关于《关于「交互作用」Interaction Effect》的文章，其中很想看您的交互图是怎么画的，可惜那个图片的链接坏了了，如果方便，可否请您更新一下，或者发到我的有效呢？非常感谢！

6 L. P" _7 h5 y××××××××××××××××××××××××××××××××××××××××××××××××

7 T- b) x+ |  X0 Y" F* Q

Huangspace,
- \, M+ ~, l9 H& y& d+ P9 f
: l1 ~& \4 R) O2 \! x以下是步骤：
7 c1 F& w4 }4 z& m1 `1. 假设X -> Y , 调节变量（交互作用相同）是Z；
2. 找出Z的平均数(Mean)，标准差(SD)和中位数(Med)；
3. 在数据中用Z 做指标 (index)，把数据排序，从Z最小到Z最大；
+ F) m. Y# D9 h$ p$ G6 j' i9 U7 D
  t9 L; X- S: U4 O/ W8 z9 L方法一：
' O) I  w+ t4 \3 C0 K& |% C2 |1. 把数据用Z 来分，用Med把所有数据分成两组，
) j0 m% B+ }' A. f& n% ^3 O. x  一组是Z<Med；
  一组是Z>Med；
2. 在每一组做一个X与Y的回归分析，找出截距和斜率，画出两条直线。
7 \. R5 v6 N/ W# h) P3 y) i
" Q$ u3 Q9 H( Q3 U  S方法二：
8 k" @- |" i9 P+ ~7 k3 u1. 把数据用Z 来分，用Mean把所有数据分成两组，

  一组是Z<Mean-SD；
) I' q8 O: l* k. \6 E2 U. ~  一组是Z>Mean+SD；

  中间的数据不要；
6 @# \' A& J7 e3 a3 b6 w2. 在每一组做一个X与Y的回归分析，找出截距和斜率，画出两条直线。

+ g3 q  e0 u$ `7 l" q

cathyyin

罗老师，我遇到一个问题想请教您，在我的研究模型中，A为自变量，B为因变量，C为调节变量，D也是调节变量，  我是否可以检验C与D交互的作用 对于 A与B之间的关系是否还存在调节影响？ 不知道我的表述能否让您明白。 就是我想检验下C与D的共同作用对于 A与B之间的关系是否存在着调节影响？
      这个检验在结构方程模型中如何实现呢？ 非常期待着您的回答。

huangspace

我的数据其实是个连续数据，但是由于数据太偏，无论用什么方法转换，都很难变成正态，而且转化的方法太复杂后，就给结果的解释带来了很大的难度。所以不得已的情况下转成了分类变量。虽然对信息有损失，也无法用线性回归，很可惜，但目前我也只能想到这种方法。

huangspace

但是如果不画图，用实际的函数或者or值来计算，又不免让别人质疑为什么要把样本分成四份类分别作统计数据，也会让人不由自主的去讨论OR值或者a和β值，但是，画了图以后，要看的也就是影响的趋势了。这样理解对吗？谢谢您！

huangspace

罗老师，我是这样理解的，如您在文中提到的一句话“图表只是用来帮助我们看见交互现象是怎么样的而已，不是用来验证的。”所以我想即便logit是是个很不好理解的变量，但以logit画出的图形的斜率仍能在够反应logit中实际常用的OR值，如果斜率<0，那么OR值必然是<1的，如果斜率>0，那么OR必然是>1的，所以，应该也开始可以看出交互的现象是怎样的，即在调节变量不同的水平下，X对Y 的影响，是统计学意义上的保护因素还是危险因素。我可以这样理解吗？谢谢您在周末依然回答了我的问题，非常感谢！

Kenneth

对不起，我很少用 Logit ，所以没有留意文献。我的“感觉”是既然LOGIT的因变量不是一个容易理解的变数，一般应该都不会画图。正如你说的，如果Y是 LOGITP，那斜率本来就不容易理解了，画图来干什么呢？

huangspace

还有一个问题，就是，如果我用以上的方法作图，那么X轴和Y轴改怎样写才更直观呢。这时候的y轴的值应该是logitP，就是某种结果的概率与不出现的概率之比的对数。似乎不太好理解。

huangspace

非常感谢罗老师！太谢谢您了！
+ Z4 V( [: m8 b* _2 d我的文章中用的是logistic回归，但是我想应该和您的线性回归方法类似，因为原先的调节变量就是二分类变量，就直接用Z=0和Z=1两个组来分别作图，因为是logistic，所以做的图其实是logit（y/1-y）=a+βx 的直线图， 类似线性回归了。不知道这样可以吗？

rwxld

谢谢你，Kenneth，又学习了一些东西。