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。在既往文章《scitb5函数1.6版本（交互效应函数P for interaction）发布----用于一键生成交互效应表》中，我发布了本人编写的scitb5函数1.6版本，反应还不错，没有发现很大的问题，本期发布最新的1.7版本scitb5函数，1.7版本修复了1.6版本的一些小问题，最主要的一个是当结果变量Y是连续变量时，生成的表格应该是β而不是OR，虽然结果没错，但是列名没有改，1.7版本修复了这个问题。1.7版本还增加了plotforest函数，可以一键生成交互效应的森林图，下面咱们来演示一下。
导入我们的早产数据，这里提一下，把数据转成CSV格式，按我的方法导入，可以减少R报错

bc<-read.csv("E:/r/test/zaochan.csv",sep=',',header=TRUE)
bc <- na.omit(bc)
names(bc)
dput(names(bc))

这是一个关于早产低体重儿的数据（公众号回复：早产数据，可以获得该数据），低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数，bwt 新生儿体重数值
分类变量转成因子

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)

定义协变量和分层因子

cov1<-c("lwt","smoke","ptl","ui","ftv","race")	
Interaction<-c("race","smoke","ui")

导入函数，我这里直接写成函数文件1.7final.R，直接导入就可以了

source("E:/r/test/1.7final.R")

导入成功后应该生成8个函数

生成表，和1.6版本一样data是你的数据，必须是数据框形式，x是你研究的目标变量，y是你的结局变量，Interaction是你的分层变量，这个必须是分类变量并转成因子，cov是你的协变量，在我的设定中cov是要包含Interaction的，这也符合我们的习惯。family这里和原来有点不同，统一使用family=“glm”，支持逻辑回归和线性回归，cox回归目前还没支持，需要的可以使用1.4版本。

out<-scitb5(data=bc,x="age",y="low",Interaction=Interaction,cov = cov1,family="glm")

我对列名进行了进一步的修改，更加美观，你可以直接生成表就可以了，不需要再修改列名。
使用plotforest函数绘制森林图

plotforest(out)

这里说明一下plotforest函数调用的是forestplot包和stringr包来绘制森林图，所以这两个包必须安装，不然绘制不出来。
换一个分类数据试一下，这里ht是个分类数据，表示是否有高血压。

out<-scitb5(data=bc,x="ht",y="low",Interaction=Interaction,cov = cov1,family="glm")
plotforest(out)

我们可以看到，OR太大了，上图X轴太小了，所以看起来有点怪，我们可以调整一下参数

plotforest(out,xticks=c(0,10,20))

这样稍微好点了。将来plotforest还将加入更多调节参数。当然这种集成代码生成的森林图肯定比不上你自己画的美观，主打方便实用，你也可以自己画，这样更灵活。咱们换个粉丝的数据来试试，这里就不解释数据了，直接上代码

bc<-read.csv("E:/r/fensi/DII_GROUP.csv",sep=',',header=TRUE)
dput(names(bc))
bc[,c("sex_02", "nianling_02", "marriage_02", "GROUP",
      "smoke_02")] <- lapply(bc[,c("sex_02",  "nianling_02", "marriage_02","GROUP", "smoke_02")], factor)
str(bc)
Interaction<-c("sex_02", "nianling_02", "marriage_02", "smoke_02")
cov<-c("sex_02", "nianling_02", "marriage_02", "smoke_02","wc_02")

生成结果先来个Y是分类的

out<-scitb5(data=bc,x="GROUP",y="dm_19",Interaction=Interaction,cov = cov,family="glm")

数据很大，上图只是一部分，生成森林图

plotforest(out)

换个Y是连续变量的，生成的就是β而不是OR了

我们可以看到scitb5函数对数据类型自己进行了判断，把OR改成β了，纠正了1.6版本不能修改的错误。
这里要说一下β一般不绘制森林图，所以我没有添加β的接口，如果数据这里是β使用plotforest函数绘制森林图会失败。

plotforest(out)

如果你确实需要绘制关于β的森林图，可以私信告诉我。
生成表后怎么导出来，可以看上一篇文章，这里就不多废话了。原来购买1.4版本和1.6版本的无需重新购买，重新回复一次就可以了，已经进行链接更新。

获得1.7版本函数请看这篇文章

scitb5函数1.7版本（交互效应函数P for interaction）发布----用于一键生成交互效应表、森林图