使用负二项式模型时，如何在 R 中绘制交互作用？答案

【问题标题】：How can I plot an interaction in R when using a negative binomial model?使用负二项式模型时，如何在 R 中绘制交互作用？
【发布时间】：2020-10-31 04:24:01
【问题描述】：

我是 R 新手。我使用负二项式模型来测试 2 个变量（1 个二元变量和 1 个连续变量）和计数响应变量的影响。我还将他们的交互添加到模型中。

由于glm.nb 的结果很少，我想以某种方式绘制结果，尤其是交互。

我这样做是为了运行模型：

Y<- cbind(N_Cooperations)
Model8 <- glm.nb(Y ~ Condition + NR + Condition*NR)
summary(Model8)

Call:
glm.nb(formula = Y ~ Condition + NR + Condition * NR, init.theta = 2.012332023, 
    link = log)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.2063  -0.9508  -0.1757   0.3389   2.5682  

Coefficients:
             Estimate Std. Error z value Pr(>|z|)   
(Intercept)    1.5379     0.6920   2.222  0.02626 * 
Condition     -2.9514     1.0876  -2.714  0.00665 **
NR            -0.1470     0.2065  -0.712  0.47654   
Condition:NR   0.7771     0.3170   2.451  0.01423 * 
---

然后我尝试使用effects 包中的plot(allEffects(Model8)) 来绘制交互，但这是我收到的消息：

plot(allEffects(Model8))
Error in mod.matrix[, components] : subscript out of bounds
In addition: Warning messages:
1: In factor.cols & stranger.cols :
  longer object length is not a multiple of shorter object length
2: In (!factor.cols) & stranger.cols :
  longer object length is not a multiple of shorter object length

我错过了什么？

再说一次，我对 R 很陌生。如果这听起来很愚蠢，请提前道歉。

【问题讨论】：

嗨，John，allEffects 来自哪个包？
对不起，忘了说。它来自Effects。
如果将data 参数添加到模型会发生什么？
@Edward 当我这样做时Model8 <- glm.nb(Y ~ Condition + NR + Condition*NR, data=naw_Data) 我得到了同样的错误。
好的。好吧，allEffects 函数确实接受“negbin”类的模型（您可以从 glm.nb 的帮助页面尝试示例），所以它必须是您的数据。但由于我们缺少您的数据，因此很难知道问题出在哪里。

标签： r plot regression

【解决方案1】：

您的环境中很可能还有其他一些引发错误的变量。如果您将所有变量放入 data.frame 中，这将很有用。它适用于我的示例数据集：

library(MASS)
library(effects)

set.seed(111)
df = data.frame(Y = rnbinom(100,mu=10,size=1),
NR = runif(100),Condition=rbinom(100,1,0.5))

fit = glm.nb(Y ~ Condition*NR,data=df)

交互项使用: 指定，此* 用于因子交叉。如果您不清楚，请参阅help page。下面我可以做总结，我们会得到与你类似的输出：

summary(fit)

Call:
glm.nb(formula = Y ~ Condition * NR, data = df, init.theta = 1.19503151, 
    link = log)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.3798  -1.0970  -0.2340   0.4323   2.0848  

Coefficients:
             Estimate Std. Error z value Pr(>|z|)    
(Intercept)    1.4744     0.2978   4.952 7.36e-07 ***
Condition      0.9414     0.3973   2.369   0.0178 *  
NR             1.0294     0.5003   2.058   0.0396 *  
Condition:NR  -0.9773     0.6809  -1.435   0.1512

绘制它的工作原理：

plot(allEffects(fit))

【讨论】：