如何在 R 中添加交互参考级别

Question

我的问题与此相关：
如何在gtsummary和sjPlot中添加交互参考水平

我没有得到我仍然需要的解决方案。
代码如下：

set.seed(1000)
my_data <- rbind(
  data.frame(time = "Pre", treatment = "Control", response = rnorm(100, mean=1)),
  data.frame(time = "Pre", treatment = "Treatment", response = rnorm(100, mean=2)),
  data.frame(time = "Post", treatment = "Control", response = rnorm(100, mean=1)),
  data.frame(time = "Post", treatment = "Treatment", response = rnorm(100, mean=2))
) %>% mutate(time = factor(time, levels = c("Pre", "Post"))) %>%
mutate(treatment = factor(treatment, levels = c("Control", "Treatment")))

model3 <- lm(response ~ time * treatment, data = my_data)

这次我尝试了不同的方法，意味着另一个包：

library(ggstats)

ggstats::ggcoef_table(model3)

我得到了以下结果：

所以我的问题是因为 ggcoef_table(model3) 函数包含了因子变量的参考水平，是否有可能 使用 ggstats 包或任何其他包添加交互参考级别？

效果如下：

为了将其（交互项的参考水平）放在绘图上，并且该系数表位于绘图旁边。
我将不胜感激有关此事的任何帮助，谢谢。

Answer 1

摘要中没有参考水平，因为其他水平的系数代表与参考水平的对比。本质上，截距表示参考类别中的平均值。为了清楚起见，建议将参考类别和解释数据作为副标题包含在内，以提供上下文。虽然您可以选择排除截距以显示缺失的级别，但这可能没有意义。这样做只会提供每个级别的方法，而没有参考点，而主要兴趣在于理解参考级别与其他级别之间的对比。

此外，可能值得考虑线性模型和系数图是否是最合适的选择。如果目标是比较多个时间段内各组之间的平均值，则重复测量方差分析可能是比线性模型更合适的方法。当检查同一受试者随时间的变化时，这一点尤其重要，因为重复测量方差分析解释了对同一个体的重复测量之间的相关性。

需要注意的是，样本量为 400 时，自由度很高，即使没有实际意义，也可能会产生显着的影响。在解释这种情况下的意义时应小心。此外，纳入效应大小测量以补充统计显着性以进行全面解释也至关重要。