int3ract：面向频率主义和贝叶斯模型的 Johnson-Neyman 技巧及其三向扩展 R 包
统计方法学
2026-05-07 v2
摘要
交互效应在应用统计建模中随处可见，但其有意义的解释仍然具有挑战性。经典的 Johnson-Neyman (JN) 技巧（Johnson 和 Neyman 1936）针对双向交互效应，通过识别调节变量取值范围中哪些区域内 Focal 效应是哪些区域内不显著来应对这一挑战。int3ract 软件包为 R 实现了 JN 技巧及其三向扩展（Johnson-Neyman-Krause 或 JNK 技巧），适用于频率主义和贝叶斯模型。函数 JNK_freq() 可自动检测通过 lm()/glm()、RSiena 的 siena() 或 lme4 的 lmer()/glmer() 拟合的模型，也可通过提供系数向量和协方差矩阵直接应用于（几乎）任何模型族的乘积交互。对于使用 multiSiena 估计的贝叶斯随机演员模型（SAOMs）或产生后验抽样的任何模型，函数 JNK_bayes() 可生成条件后验分布。对于双向交互，创建经典的着色置信带图，以可视化方式划分显著与不显著区域；三向交互则生成彩色渐变热图，可选用交叉阴影叠加标记不显著区域。该软件包旨在鼓励以传统单斜率聚光灯方法为主的报告方式，转向更丰富、按区域具体化的交互效应报告。
引用
@article{arxiv.2604.22051,
title = {int3ract: Johnson-Neyman Technique and its Three-Way Extension for Frequentist and Bayesian Models in R},
author = {Robert W. Krause},
journal= {arXiv preprint arXiv:2604.22051},
year = {2026}
}