相互作用についてはすでに説明したので、詳細には説明しません。SCIペーパーの仕上げになり、データ間のサブグループの関係をさらに詳しく調べることができます。データマイニングも非常に実用的です。インタラクティブアイテムの視覚化により、インタラクティブデータ間の関係を明確に示すことができます。実際のペーパーでは、絶対にボーナスアイテムです。 、ナンセンスな話はしないで、練習しましょう。
今回は、R言語に付属する人の流れによって引き起こされる不妊症のデータセットを使用しています。最初にそれをインポートしましょう。
bc<-infert
names(bc)
データには8つの指標があり、最後の2つはPSMマッチングの結果であり、無視します。他の6つは、
教育：教育レベル、年齢：年齢、パリティ、誘発：流産時間、ケース：不妊、これは結果インデックスです。 、自発的：自然流産の数。
一部の変数はカテゴリ変数であるため、変換する必要があります
bc$education<-ifelse(bc$education=="0-5yrs",0,ifelse(bc$education=="6-11yrs",1,2))
bc$spontaneous<-as.factor(bc$spontaneous)
bc$case<-as.factor(bc$case)
bc$induced<-as.factor(bc$induced)
bc$education<-as.factor(bc$education)
流産（流産と自然流産を含む）と年齢の2つの指標の間に相互作用があるかどうかを知りたい場合は、モデルを作成します
f1<- glm(case ~ age + education + parity + induced+spontaneous+age*induced*spontaneous,
family = binomial(link = logit), data = bc)
summary(f1)
自然流産と年齢の間に相互作用がある可能性があることが
わかります。R視覚化パッケージvisregをインポートします。
library("visreg")
library("visreg")
plot(visreg(f1,xvar = "age",by="spontaneous",plot=F),xlab="age",ylab="predict",
overlay = T,partial = F,rug=F,,line=list(lty=1:6))
legend("topleft",
c("没有流产","流产1次","流产2次以上"),
lty=c(1,1,1),
col=c("red","green","blue"),
lwd=c(2,1,1),
bty="n")
このことから、年齢とともに、自然流産のある患者の不妊の確率は、自然流産のない患者のそれよりも有意に高いことがわかります。
よりエキサイティングな記事については、公開番号に注意してください：ゼロベースの科学研究
