开源项目 `interactions` 使用教程

开源项目 interactions 使用教程

interactions A comprehensive, user-friendly toolkit for visualizing and analyzing statistical interactions. A spinoff from the `jtools` package. 项目地址: https://gitcode.com/gh_mirrors/in/interactions

1. 项目介绍

interactions 是一个用于可视化和分析统计交互的全面且用户友好的工具包。它是 jtools 包的一个分支，旨在简化交互效应的分析和解释。该包提供了多种工具，包括简单斜率分析、Johnson-Neyman 区间计算以及使用 ggplot2 进行预测值和观测值的可视化。interactions 支持多种模型类型，如 GLMs、survey 包中的模型、lme4 中的多层次模型，以及 rstanarm 和 brms 中的贝叶斯模型。

2. 项目快速启动

安装

首先，确保你已经安装了 R 环境。然后，使用以下命令安装 interactions 包：

install.packages("interactions")

使用示例

以下是一个简单的使用示例，展示如何使用 interactions 包进行简单斜率分析和交互效应的可视化。

# 加载包
library(interactions)

# 创建一个线性模型，包含交互项
fiti <- lm(mpg ~ hp * wt, data = mtcars)

# 进行简单斜率分析
sim_slopes(fiti, pred = hp, modx = wt, jnplot = TRUE)

# 可视化交互效应
interact_plot(fiti, pred = hp, modx = wt, interval = TRUE)

3. 应用案例和最佳实践

案例1：汽车油耗与马力和重量的交互效应分析

假设我们想要分析汽车油耗（mpg）与马力和重量之间的交互效应。我们可以使用 interactions 包来计算简单斜率和可视化交互效应。

# 加载数据
data(mtcars)

# 创建模型
fiti <- lm(mpg ~ hp * wt, data = mtcars)

# 进行简单斜率分析
sim_slopes(fiti, pred = hp, modx = wt, jnplot = TRUE)

# 可视化交互效应
interact_plot(fiti, pred = hp, modx = wt, interval = TRUE)

案例2：鸢尾花数据集中的交互效应分析

在鸢尾花数据集中，我们可以分析花瓣长度与花瓣宽度和物种之间的交互效应。

# 加载数据
data(iris)

# 创建模型
fitiris <- lm(Petal.Length ~ Petal.Width * Species, data = iris)

# 可视化交互效应
interact_plot(fitiris, pred = Petal.Width, modx = Species, plot.points = TRUE)

4. 典型生态项目

interactions 包与其他 R 包结合使用，可以进一步增强其功能。以下是一些典型的生态项目：

• ggplot2: 用于自定义交互效应的可视化图表。
• lme4: 用于处理多层次模型中的交互效应。
• rstanarm 和 brms: 用于贝叶斯模型的交互效应分析。

通过结合这些生态项目，interactions 可以应用于更广泛的统计分析场景，提供更强大的功能和更灵活的分析方法。

interactions A comprehensive, user-friendly toolkit for visualizing and analyzing statistical interactions. A spinoff from the `jtools` package. 项目地址: https://gitcode.com/gh_mirrors/in/interactions