我拟合了一个逻辑回归模型，其中包含连续预测变量之间的交互作用。
我在 Rplot_model()中使用包中的函数sjPlot来获取此交互图，但我无法弄清楚该函数如何将音量分类为 2 个因素。
require(ISLR)
require(sjPlot)
m1=glm(Direction ~ Lag1 + Lag4* Volume ,data=Smarket,family ="binomial" )
plot_model(m1,type = "int",colors =rainbow(3))
0.36 和 3.15 分别对应最小和最大音量。
谁能帮我解释一下这个情节？
还有其他方法可以绘制逻辑回归的交互图吗？
谢谢
交互作用在两个连续变量之间。该图Lag4用作 x 轴变量，然后选择几个 的值来显示 的不同值之间的Volume关系如何变化。默认情况下，选择最小值和最大值。您可以改为使用参数显示 的中位数和四分位数或平均值和标准差（有关其他选项，请参阅帮助）。例如：DirectionLag4VolumeVolumeVolumeVolumemdrt.values
theme_set(theme_classic()) # Set ggplot theme
plot_model(m1, type="int", colors=rainbow(3), mdrt.values="quart")
plot_model(m1, type="int", colors=rainbow(3), mdrt.values="meansd")
另一种选择是热图，它允许您在 x 和 y 轴上绘制交互变量，并使用颜色表示Direction等于“向上”的概率。例如：
# Create grid of Lag1 and Volume values for prediction
pred.dat = expand.grid(Lag1 = median(Smarket$Lag1),
Lag4 = seq(min(Smarket$Lag4), max(Smarket$Lag4), length=100),
Volume = seq(min(Smarket$Volume), max(Smarket$Volume), length=100))
# Add predictions
pred.dat$Direction = predict(m1, newdata=pred.dat, type="response")
# Plot heatmap
ggplot(pred.dat, aes(Lag4, Volume, fill=Direction)) +
geom_tile() +
scale_fill_gradient2(low="red", mid="white", high="blue",
midpoint=median(pred.dat$Direction)) +
labs(title='Probability of Direction="Up"',
fill="Probability")
上面的图代表下面热图中的常数线Volume。例如，当Volume是 1.12（上图左侧的红线）时，您可以在下面的热图中看到颜色从蓝色变为白色再到红色，这表示随着概率的Direction="Up"增加Lag4，正如我们在上图中看到的那样。
