在一个简单的实验中，我要求参与者在观察不同的动画虚拟角色时做出可接受性判断（李克特 9 点量表）。我有两个因素：角色（7 个级别）和动作（5 个级别）。
双向方差分析显示上述因素之间存在显着的交互作用，因此我想更好地探索这种交互作用。我已经进行了事后 Tukey 测试，并查看了所有角色的平均可接受性评级和所有运动水平之间的关键差异。这是一个很大的矩阵（粗略的例子可以在 stackoverflow 的这篇文章中看到），对于解释来说可能并不完全清楚。有人建议我，也许我可以更好地可视化或统计探索角色和动作之间的这种相互作用。
有什么建议我可以做到这一点（最好在 R 中）？
在 R 中，有一个函数coplot可以在散点图矩阵中的每个条件因子的域网格中绘制您的主要影响和结果。通过检查图表面板中趋势之间的变化，您可以评估数据中存在的交互程度。
如果您对具体可视化交互效果感兴趣，您可以减去主效应（即平均因子效应，例如和) 从每个处理平均值（因子水平的组合，索引为和) 基于关系
这将产生（或者) 曲线，其中每个值都表示为与基线的偏差，基线只是总平均值 (）。这个想法是在 Howell, Statistical Methods for Psychology中提出的。下面是一个豪厄尔数据集的插图（一项关于回忆的单词数量作为受试者年龄和回忆条件的函数的研究，N=100）。
