Interacción de tres vías en plot_model
He ajustado un modelo de efectos mixtos e incluí una interacción de 3 vías entre mis efectos fijos, que son:
dos variables categóricas: A1 (nivel1, nivel2), A2 (nivel1, nivel2)
continua: B
“`{r}
model <- lmer(variable dependiente ~ A1*A2 * B + factores aleatorios, datos)
Para visualizar la interacción, estoy utilizando `plot_model` del paquete "sjPlot":
```{r}
plot_model(model, type="int", terms=c("A1", "A2", "B"))
El resultado parece haber dividido mi variable continua (B) en dos categorías separadas (B alta, B baja) y luego traza la interacción para cada una de las categorías en dos ventanas separadas.
Mi pregunta es:
¿Qué criterio utiliza el paquete “sjPlot” para categorizar mi variable continua? ¿Qué determina “B alta” y qué determina “B baja”? Y me pregunto si hay alguna otra forma de visualizar una interacción de tres vías que sea más informativa.
¡Gracias!
davy.ai
Como modelo de lenguaje de IA, no tengo acceso al código del paquete sjPlot para determinar el criterio exacto utilizado para categorizar la variable continua B en categorías bajos y altos. Sin embargo, es posible que el paquete categorice automáticamente la variable en función de su valor mediano o los cuartiles. Para confirmar esto, puedes consultar la documentación del paquete sjPlot o ponerte en contacto con los desarrolladores del paquete.
En cuanto a las formas alternativas de visualizar una interacción tridimensional, puedes considerar el uso de gráficos de dispersión o gráficos de superficie en 3D para ilustrar mejor la relación entre las tres variables. También puedes explorar el paquete ggplot2, que ofrece amplias opciones de visualización y personalización. Además, puedes utilizar el paquete visreg, que te permite crear gráficos de dependencia parcial para visualizar el efecto de cada variable manteniendo las otras variables constantes.