我有代码来生成交互效应图，如下所示：（以MTcars为模型）

library(ggplot2)
library(tidyverse)

outcome_var_list = mtcars %>% select(qsec,hp) %>% names()
var_list = mtcars %>% select(cyl,wt) %>% names()

iterate <- sapply(outcome_var_list,function(k){

outcome_var_list = outcome_var_list[outcome_var_list == k] 
  
test= mtcars %>%
  select(all_of(c(outcome_var_list, var_list)), drat)%>%
  pivot_longer(all_of(var_list))%>%
  reframe(broom::tidy(lm(as.matrix(pick(all_of(outcome_var_list)))~
               name/factor(drat):value + 0, data = .)))%>%
  select(term, estimate)%>%
  mutate(color = str_extract(term, "(?<=name)[^:]+"),
         xvar = as.numeric(str_extract(term, "[0-9.]+")))%>%
  drop_na()


test %>%  ggplot(aes(x=xvar, y=estimate, color = color)) + geom_line() + theme_light() + ggtitle(label = paste0("Model 1: ",k)) + theme(plot.title = element_text(hjust = 0.5))

ggsave(file=paste0("file_",k,".png"), width = 19, height = 7, units = "cm",path= "descriptive_1/test")

})

字符串
这将生成如下图：
x1c 0d1x的数据
它绘制了感兴趣的变量和“drat”的每个因子水平之间的交互作用效应的估计值。每个单独的图针对所列出的不同结果变量重复该过程。
我现在想稍微修改一下，（大概）使用marginaleffects包。我想执行与上面类似的功能（评估和绘制组内每个结果变量的每个交互），但我需要稍微不同。我现在的目标是绘制与drat的每个相互作用的相互作用效应的斜率（通过减去边际效应）。我相信这可以通过使用plot_slopes函数来完成，并将因子水平“drat”设置为“condition”参数，并与var_list变量进行交互。然而，我不确定如何迭代类似于上面的函数的这个函数。我也不知道如何将这些斜率一起绘制在与上面相同的ggplot2图上。
此外，我不想绘制一条连续的线，而是想绘制完整的置信区间（点估计的下限和上限），要么用一条线和阴影区域连接，要么不连接。
有没有可能像我前面的例子一样迭代绘制斜率？这是适合marginaleffects包的情况吗？或者有没有一个基础R/替代解决方案更适合它？我还假设，为了正确计算这些斜率，我必须从相互作用项中的:切换到*，绘制两个未相互作用的效应，以便找到真实的斜率。是这样吗？

更新

我看到这在marginaleffects中确实是可能的，至少在手动绘制交互时是这样。例如，我可以执行以下操作：

library(marginaleffects)
lm1 = lm(data = mtcars, formula = hp ~ cyl*factor(drat))
lm2 = lm(data = mtcars, formula = hp ~ wt*factor(drat))
p1_data = plot_slopes(lm1, variables = "cyl", condition = "drat", draw = FALSE) %>% select(-cyl)
p2_data = plot_slopes(lm2, variables = "wt", condition = "drat", draw = FALSE) %>% select(-wt)

rbind(p1_data,p2_data) %>% ggplot() + geom_point(aes(x = factor(drat), y = predicted, color = term)) + geom_errorbar(aes(ymin = predicted_lo, ymax = predicted_hi, x = factor(drat), color = term))

型
这将生成以下图：

的
由于比例关系，无法看到误差线，但这是正确的绘图。然而，我的目标是自动化这一点，就像上面的代码一样，这样就不会为var_list中的每个变量单独绘制每个回归，而是自动输入并为每个变量生成不同颜色的线条。然后，我将对outcome_var_list中的每个变量进行迭代，以生成多个图。