stata行logistic回归交互项（交互作用）的可视化分析(1)

交互作用效应(p for Interaction)在SCI文章中可以算是一个必杀技，几乎在高分的SCI中必出现，因为把人群分为亚组后再进行统计可以增强文章结果的可靠性，不仅如此，交互作用还可以使用来进行数据挖掘。在既往文章中，我们已经介绍了怎么使用R语言可视化visreg包对交互作用进行可视化分析（见下图），

在既往文章中，我们已经使用R语言和SPSS分别绘制了logistic回归交互效应的可视化分析，后台有粉丝希望做一期stata交互效应的可视化分析,现在我们来使用stata演示一下logistic回归交互项（交互作用）的可视化分析，继续使用我们的不孕症数据（公众号回复：不孕症，可以获得数据），这样有助于对结果进行比较。
我们先导入数据数据看一下

数据有8个指标，最后两个是PSM匹配结果，我们不用理他，其余六个为：
Education：教育程度，age:年龄，parity产次，induced：人流次数，case：是否不孕，这是结局指标，spontaneous：自然流产次数。
先把Education这个指标转成数字

g edu=2
replace edu=0 if education=="0-5yrs"
replace edu=1 if education=="6-11yrs"

我们进行的logistic回归可视化，肯定要先建立logistic回归模型，假设我们想知道age和spontaneous有无交互，模型可以界面操作也可以代码，我就直接代码了，这里要说明一下，在stata中#号代表交互的意思（和R不一样，R是*号），age前面加个c.代表这是连续变量，spontaneous前面加个i.代表这是分类变量

logistic case age i.edu parity i.induced i.spontaneous c.age#i.spontaneous

算出来的结果后，我们生成它的概率

predict fit

生成概率后就可以做图了，主要是用到twoway这个函数做图,下面我们来由简单到复杂，慢慢深入应用这个函数作图，以便加深这个函数的了解。
我们先来做一个简单的点图，这个函数的主体是twoway，加上scatter表示绘制点图，如果加上line表示绘制线图，connected表示散点和线的连接图。下面代码中fit 和age是我们的变量，if spontaneous0 表示条件判断，意思是绘制spontaneous0 的fit 和age关系散点

twoway scatter fit age if spontaneous==0, sort

twoway scatter fit age if spontaneous0, sort和twoway (scatter fit age if spontaneous0, sort)的代码是一样的，等于用括号括起来。

twoway (scatter fit age if spontaneous==0, sort)

下面我们把上面代码中的scatter换成connected，这样就是点线连接图

twoway (connected fit age if spontaneous==0, sort)

我们已经做了spontaneous0的连接图，同理稍稍修改就可以做spontaneous1和spontaneous==2的连接图，3个线条同时作图

twoway (connected fit age if spontaneous==0, sort) (connected fit age if spontaneous==1, sort lp(-)) (connected fit age if spontaneous==2, sort lp(-))

这个图是散点连接图，好像有点丑，我们对它进行改动一下，在每个线图的后面加上一句(qfit fit age if spontaneous==n)，就可以根据散点拟合线条

twoway (scatter fit age if spontaneous==0, sort) (qfit fit age if spontaneous==0 )(scatter fit age if spontaneous==1, sort lp(-))(qfit fit age if spontaneous==1 ) (scatter fit age if spontaneous==2, sort lp(-)) (qfit fit age if spontaneous==2 )

哎，这样好像好看一点了，好歹有个趋势，如果不想要散点

twoway (qfit fit age if spontaneous==0 )(qfit fit age if spontaneous==1 ) (qfit fit age if spontaneous==2 )

如果不想要曲线可以改成直线

twoway (lfit fit age if spontaneous==0 )(lfit fit age if spontaneous==1 ) (lfit fit age if spontaneous==2 )

最后加上图例

twoway (lfit fit age if spontaneous==0 )(lfit fit age if spontaneous==1 ) (lfit fit age if spontaneous==2 ),legend(lab(1 "spontaneous==0 ") lab(2 "spontaneous==1 ") lab(3 "spontaneous==3 "))

还可以修改图例位置

twoway (lfit fit age if spontaneous==0 )(lfit fit age if spontaneous==1 ) (lfit fit age if spontaneous==2 ),legend(lab(1 "spontaneous==0 ") lab(2 "spontaneous==1 ") lab(3 "spontaneous==3 ") ring(0) pos(1))

这样基本就做好了，还可以加上标题和修改X轴和Y轴名字等等，我就不一一演示了。Twoway这个函数还有很多强大的功能，我们将在以后的文章中一一演示。另外COX回归的交互可视化做法也差不多，有兴趣的可以自己试试。

stata行logistic回归交互项（交互作用）的可视化分析(1)相关推荐

R语言logistic回归交互项（交互作用）的可视化分析3
既往我们对logistic回归交互项(交互作用)进行了可视化分析,很多人对交互作用影响还不是很明白,都在后台发私信询问.其实交互作用就是一个变量通过对另一个变量的影响,导致结局变量改变,最常见的就是我 ...
R语言logistic回归交互项（交互作用）的可视化分析2
交互作用效应(p for Interaction)在SCI文章中可以算是一个必杀技,几乎在高分的SCI中必出现,因为把人群分为亚组后再进行统计可以增强文章结果的可靠性,不仅如此,交互作用还可以使用来进 ...
R语言logistic回归交互项（交互作用）的可视化分析
交互作用我们在前面已经说过,就不具体说了.在SCI论文中可以起到画龙点睛,并能进一步挖掘数据之间的亚组关系,进行数据挖掘也非常实用,交互项的可视化能把交互数据之间的关系明白的展示出来,在实际论文中绝对 ...
stata进行logistic回归内部验证和外部验证
我们既往已经介绍了使用Stata进行logistic回归绘制列线图并做内部验证,不少粉丝发信息问我怎么进行外部验证.今天我们来介绍一下,继续使用我们的不孕症数据(公众号回复:不孕症可以获得该数据).我 ...
logistic回归报错问题：Warning messages: 1: glm.fit:算法没有聚合 2: glm.fit:拟合機率算出来是数值零或一
logistic回归的时候报错问题包括下面两种 Warning: glm.fit: algorithm did not converge Warning: glm.fit: fitted probab ...
06.Logistic回归与最大熵模型（学习笔记）
06.Logistic回归与最大熵模型参考: 袁春老师<大数据机器学习公开课>:https://www.xuetangx.com/course/THU08091001026/103331 ...
有序分类logistic回归-R语言
有序分类logistic回归正如字面理解,包含两个方面:一是有序性,如调研中常用的满意度常用李克特量表,即有序的因变量:二是logistic分类,如1代表优秀.2代表良好.3代表一般等等. 因变量为 ...
手动以及使用torch.nn实现logistic回归和softmax回归
其他文章手动以及使用torch.nn实现logistic回归和softmax回(当前文章) 手动以及使用torch.nn实现前馈神经网络实验文章目录任务一.Pytorch基本操作考察 1.1 ...
多项logistic回归系数解释_深入解读Logistic回归结果（一）：回归系数，OR
深入解读Logistic回归结果(一):回归系数,OR 关键词:Logistic回归分析.lasso回归系数解读.回归系数解读 Logistic回归虽然名字叫"回归" ,但却是一种 ...
Stata:如何输入交互项
方法一:stata中使用命令 "gen c = a*b"产生新变量代表交互项c. 方法二:stata回归命令中输入命令:c.x1#c.x2.c.x1#c.x2前的系数代表交互性系数

stata行logistic回归交互项（交互作用）的可视化分析(1)

stata行logistic回归交互项（交互作用）的可视化分析(1)相关推荐

最新文章

热门文章