如何使用 emmeans 可视化交互

Question

我有一个数据集，其中结果是衡量幸福指数的连续变量。关键变量是：

• t：以天为单位的时间。

• D：二元干预变量（0 = 不游泳，1 = 游泳）。

• 性别：两级分类变量（男性，女性）。

• race：四级分类变量。

URL <- "https://github.com/DS4PS/pe4ps-textbook/blob/master/data/time-series-example.rds?raw=true"
dataTS <- readRDS(gzcon(url( URL )))    
    
dataTS$Y <- round(dataTS$Y,1)
    
dataTS$sex <- sample(c("male", "female"), size = NROW(dataTS), replace = TRUE)

dataTS$race <- sample(c("White", "Black", "Brown", "Yellow"), size = NROW(dataTS), replace = TRUE)

目标是使用中断时间序列 (ITS) 模型评估引入游泳课程 (D) 对健康指数的影响。

 plot( dataTS$T, dataTS$Y,
      bty="n", pch=19, col="gray",
      ylim = c(0, 300), xlim=c(0,400),
      xlab = "Time (days)", 
      ylab = "Wellbeing Index" )

# Line marking the interruption
abline( v=200, col="firebrick", lty=2 )
text( 200, 300, "Start of Swimming Classes", col="firebrick", cex=1.3, pos=4 )`

具体来说，这些是感兴趣的参数：

• 水平变化（β2）：干预后幸福指数的立即变化。 （更改级别）

• 斜率变化 (β3)：干预后幸福指数随时间变化的趋势。

所以我拟合了一个像这样的简单回归模型

ts <- lm(Y ~ T + D + T*D + sex + race, data = dataTS )

拟合模型后，我想使用

emmeans

来可视化

t

和

D

之间的交互。

期待这样的剧情：

我怎样才能实现这个目标？

Answer 1

我不明白你为什么要使用

emmeans

。这对于您的目标来说似乎没有必要。

您无法对分类变量进行平均。因此，我建议对情节进行刻面。您的型号似乎也没有指定好。如果您的假设是性别和种族会产生影响，那么缺少似乎很重要的相互作用。

将 T 集中于干预时间似乎是个好主意。

ts <- lm(Y ~ I(T - 200) + D + I(T - 200)*D + sex + race, data = dataTS )
summary(ts)
anova(ts)

pred1 <- expand.grid(T = seq(from = min(dataTS$T), to = max(dataTS$T), by = 1),
                     sex = unique(dataTS$sex),
                     race = unique(dataTS$race))

pred1$D <- as.integer(pred1$T >= 200)
pred1$Y <- predict(ts, newdata = pred1)

pred2 <- pred1[pred1$T > 200,]
pred2$D <- 0
pred2$Y <- predict(ts, newdata = pred2)


library(ggplot2)
ggplot(dataTS, aes(x = T, y = Y)) +
  geom_point() +
  geom_line(data = pred1, aes(group = factor(D), color = "predicted")) +
  geom_line(data = pred2, aes(color = "counterfactual")) +
  geom_vline(linetype = 2, aes(xintercept = 200, color = "intervention")) +
  facet_grid(sex ~ race) 

PS：作为来自德国的人，考虑到我们的历史，我对美国将人类划分为“种族”的习惯深感不安。我强烈建议您阅读一些有关应用于人类的种族概念的论文（例如，Schaare 等人，2023），特别是如果您将其应用于医疗保健或健身环境中。