之前的文章给大家写了两个连续变量的交互作用，今天给大家写写比较常见，也是比较简单的：
一个连续变量和一个分类变量的交互。
具体的例子为：我们在研究GPA的影响因素时，我们想看一看学习态度和性别的交互作用，在这个例子中，学习态度为连续变量，性别为分类变量
数据模拟
n <- 250
X <- rnorm(n, 2.75, .75)
G <- sample(rep(c(0,1),N),N,replace = FALSE)
Y <- .7*X .3*G 2*X*G rnorm(n, sd = 5)
Y = (Y - min(Y)) / (max(Y) - min(Y))*4
GPA.Data.2<-data.frame(GPA=Y, Work.Ethic=X, Gender=G)
GPA.Data.2$Work.Ethic.C <- scale(GPA.Data$Work.Ethic, center = TRUE, scale = FALSE)
运行上面的代码我们就模拟出来的今天的数据集，但是我们知道性别是个二分类变量，我们是用0，1编码的性别，所以只用将其转化为因子就可以了：
GPA.Data$Gender.F <- factor(GPA.Data$Gender,
level=c(0,1),
labels=c("Male","Female")) 做回归
数据模拟出来了，哑变量也生成好了之后我们就可以做回归分析了，依然是跑两个模型，一个是带交互作用的，另外一个不带交互作用：
GPA.Model.1 <- lm(GPA~Work.Ethic.C Gender.F, GPA.Data)
GPA.Model.2 <- lm(GPA~Work.Ethic.C*Gender.F, GPA.Data)
library(stargazer)
stargazer(GPA.Model.1, GPA.Model.2,type="html",
column.labels = c("Main Effects", "Interaction"),
intercept.bottom = FALSE,
single.row=FALSE,
notes.append = FALSE,
header=FALSE,
out="test.html")
运行上面的代码就可以出来两个模型结果如下：
可以看到模型的输出中，交互项是有意义的。接下来我们开始画简单斜率图。
简单斜率图首先我们得按自变量的水平将我们的交互作用模型再次拟合，给相应的系数取均值：
library(effects)
#交互作用
Inter.GPA.2 <- effect('Work.Ethic.C*Gender.F', GPA.Model.2,
xlevels=list(Work.Ethic.C = c(-1.1, 0, 1.1)),
se=TRUE, confidence.level=.95, typical=mean)
Inter.GPA.2<-as.data.frame(Inter.GPA.2)
运行上面的代码就得到了相应的系数，然后我们给我们的系数加上标签就可以用ggplot2画出简单斜率图：
Inter.GPA.2$Work.Ethic<-factor(Inter.GPA.2$Work.Ethic.C,
levels=c(-1.1, 0, 1.1),
labels=c("Poor Worker", "Average Worker", "Hard Worker"))
Inter.GPA.2$Gender<-factor(Inter.GPA.2$Gender.F,
levels=c("Male", "Female"))
library(ggplot2)
Plot.GPA.2<-ggplot(data=Inter.GPA.2, aes(x=Work.Ethic, y=fit, group=Gender))
coord_cartesian(ylim = c(0,4))
geom_line(size=2, aes(color=Gender))
ylab("GPA")
xlab("Work Ethic")
ggtitle("Work Ethic and Gender as Predictors of GPA")
theme_bw()
theme(panel.grid.major=element_blank(),
panel.grid.minor=element_blank())
scale_fill_grey()
Plot.GPA.2
以上就是我们最常见的交互作用类型的简单斜率图的画法。
小结今天给大家写了分类变量和连续变量的交互及其简单斜率图的做法，之后会给大家写双分类变量交互。感谢大家耐心看完。发表这些东西的主要目的就是督促自己，希望大家关注评论指出不足，一起进步。内容我都会写的很细，用到的数据集也会在原文中给出链接，你只要按照文章中的代码自己也可以做出一样的结果，一个目的就是零基础也能懂，因为自己就是什么编程基础没有从零学Python和R的，加油。数据分析问题咨询，代处理请私信。
（站外链接发不了，请关注后私信回复“数据链接”获取本头条号所有使用数据）
往期内容：
