在SCI文章中 ， 交互效应表格（通常是表五）能为文章锦上添花 ， 增加文章的信服力 ， 增加结果的可信程度 ， 还能进行数据挖掘 。
交互效应表我在既往文章《R语言手把手教你制作一个交互效应表》已经介绍怎么制作了 ， 详细的可以去看一下 。
本次发布我自己写的函数 ， 参考了包和一些其他的R包的写法 。用于一键生成交互效应表 ， 主要是可以给你省点时间 ， 也可以进行数据挖掘 。
【scitb5函数1】要注意一下 ， 只发布了目标变量X是连续变量的的交互效应函数 ， 买错我可不负责！！
分类变量的还在写 ， 过段时间应该可以发布 。
函数支持逻辑回归、cox回归还有线性回归模型 。下面我来演示一下 ， 先做逻辑回归
导入我们的早产数据（公众号回复：早产数据 ， 可以得到数据）
bc<-read.csv("E:/r/test/zaochan.csv",sep=',',header=TRUE)bc <- na.omit(bc)names(bc)dput(names(bc))
先对数据进行一些整理 ， 这一步是必要的 ， 你要分层的变量都要转成因子
bc$race<-ifelse(bc$race=="black",1,ifelse(bc$race=="white",2,3))bc$smoke<-ifelse(bc$smoke=="nonsmoker",0,1)bc$low<-factor(bc$low)bc$race<-factor(bc$race)bc$ht<-factor(bc$ht)bc$ui<-factor(bc$ui)
接下来导入函数 ， 我把它写成了一个函数文件1..R ， 直接使用导入就可以了
source("E:/r/test/1.4final.R")
导入成功后会出现如下图标 ， 显示有3个函数 ， 这样就说明加载成功了
接下来我们就是要定义交互也就是分层变量 ， cov1表示在你模型出现的协变量 ， 表示你要交互也就是分层的变量 ， 我在函数中设定交互变量必须包含在协变量中 ， 不然会报错 。
cov1<-c("lwt","smoke","ptl","ui","ftv","race") Interaction<-c("race","smoke","ui")
定义好以后我们就可以使用函数了 ， 这个函数需要包和包支持 ， 必须先安装好这两个包 ， 使用函数后会自己加载这两个包 。函数我来解释一下data就是你的数据 ， 必须是数据框形式 ， x是你的目标变量 ， 目前必须是连续变量 ， y是你的结局变量 ， 输入：交互变量 ， cov输入：协变量 ， 定义你的模型 ， 逻辑回归就定义为logit 。
out<-scitb5(data=http://www.kingceram.com/post/bc,x="age",y="low",Interaction=Interaction,cov = cov1,family="logit")
一句话代码交互效应表就生成了 。还算相对简单吧 。接下来做一个cox回归的 ， 导入乳腺癌数据（公众号回复：乳腺癌 ， 可以得到数据）