Question

我试图在逻辑回归中绘制显着的交互效果： IV：分类变量（4级（分类因子））主持人：连续变量 DV：二进制变量（level1 = 0，level 2 = 1）

使用MICE，多次估算缺失的数据。我想绘制显着的交互效果（引用类与类＃3是重要的），最好是在R.见下面的输出，CATIV3：MOD：

fit=with(data=iX, glm(BINARYDV~CATIV+MOD+CATIV*MOD, family=binomial(link = 
"logit"),contrasts=list(CATIV=contr.treatment(4,base=1, contrasts=TRUE, 
sparse=FALSE))))

summary(pool(fit0))

               est        se          t       df    Pr(>|t|) 
(Intercept)  0.06452198 0.1790517  0.3603539 370.8042 0.718787694 

 CATIV2      0.43549899 0.3154679  1.3804859 372.3877 0.168265145 
 CATIV3        0.81897482 0.4277301  1.9147002 291.8157 0.056508371 
 CATIV4        0.36566370 0.2774047  1.3181598 380.6421 0.188242828 
 MOD           0.54166219 0.1885668  2.8725219 369.8421 0.004306882  
 CATIV2:MOD    -0.15249583 0.3494152 -0.4364316 341.1353 0.662799672 
 CATIV3:MOD -1.19005755 0.4008051 -2.9691678 271.3438 **0.003252996** 
 CATIV4:MOD    -0.09664339 0.2975578 -0.3247886 314.4871 0.745556987

不幸的是，我无法生成可重复的示例。代码看起来像：

f1 = with（data = Mnhanes，glm（hyp_ age + chl + age * chl，family = binomial（link =“logit”）），contrasts = list（age = contr.treatment（3，base = 1，对比度= TRUE，稀疏= FALSE））））

我的问题是：

（1）在R？

中绘制插补数据的重要交互效应的最佳方法是什么？

（2）像interplot这样的包（函数：interplot.lmmi）是否会产生具有二分结果的图？本手册没有提供示例 - 我希望（更多）用户友好的示例（即，如何简单地输入MICE生成的对象）

（3）除了简单的斜坡图之外，还有其他方法报告这种影响（再次使用多重估算数据）吗？如果是这样，是否有在线工具可以在R之外实现这一目标？

在逻辑回归中绘制R中多重插补数据的交互项

0 个答案: