交互作用效应(p for Interaction)在SCI文章中可以算是一个必杀技，几乎在高分的SCI中必出现，因为把人群分为亚组后再进行统计可以增强文章结果的可靠性，不仅如此，交互作用还可以使用来进行数据挖掘。在既往文章中，我们已经介绍了怎么使用R语言可视化visreg包对交互作用进行可视化分析（见下图），
在既往文章中，我们已经使用R语言和SPSS分别绘制了logistic回归交互效应的可视化分析，后台有粉丝希望做一期stata交互效应的可视化分析,现在我们来使用stata演示一下logistic回归交互项（交互作用）的可视化分析，继续使用我们的不孕症数据（公众号回复：不孕症，可以获得数据），这样有助于对结果进行比较。
我们先导入数据数据看一下
数据有8个指标，最后两个是PSM匹配结果，我们不用理他，其余六个为：
Education：教育程度，age:年龄，parity产次，induced：人流次数，case：是否不孕，这是结局指标，spontaneous：自然流产次数。
先把Education这个指标转成数字
g edu=2
replace edu=0 if education=="0-5yrs"
replace edu=1 if education=="6-11yrs"
我们进行的logistic回归可视化，肯定要先建立logistic回归模型，假设我们想知道age和spontaneous有无交互，模型可以界面操作也可以代码，我就直接代码了，这里要说明一下，在stata中#号代表交互的意思（和R不一样，R是*号），age前面加个c.代表这是连续变量，spontaneous前面加个i.代表这是分类变量
logistic case age i.edu parity i.induced i.spontaneous c.age#i.spontaneous
算出来的结果后，我们生成它的概率
predict fit
生成概率后就可以做图了，主要是用到twoway这个函数做图,下面我们来由简单到复杂，慢慢深入应用这个函数作图，以便加深这个函数的了解。
我们先来做一个简单的点图，这个函数的主体是twoway，加上scatter表示绘制点图，如果加上line表示绘制线图，connected表示散点和线的连接图。下面代码中fit 和age是我们的变量，if spontaneous0 表示条件判断，意思是绘制spontaneous0 的fit 和age关系散点
twoway scatter fit age if spontaneous==0, sort
twoway scatter fit age if spontaneous0, sort和twoway (scatter fit age if spontaneous0, sort)的代码是一样的，等于用括号括起来。
twoway (scatter fit age if spontaneous==0, sort)
下面我们把上面代码中的scatter换成connected，这样就是点线连接图
twoway (connected fit age if spontaneous==0, sort)
我们已经做了spontaneous0的连接图，同理稍稍修改就可以做spontaneous1和spnotallow==2的连接图，3个线条同时作图
twoway (connected fit age if spontaneous==0, sort) (connected fit age if spontaneous==1, sort lp(-)) (connected fit age if spontaneous==2, sort lp(-))
这个图是散点连接图，好像有点丑，我们对它进行改动一下，在每个线图的后面加上一句(qfit fit age if spnotallow==n)，就可以根据散点拟合线条
twoway (scatter fit age if spontaneous==0, sort) (qfit fit age if spontaneous==0 )(scatter fit age if spontaneous==1, sort lp(-))(qfit fit age if spontaneous==1 ) (scatter fit age if spontaneous==2, sort lp(-)) (qfit fit age if spontaneous==2 )
哎，这样好像好看一点了，好歹有个趋势，如果不想要散点
twoway (qfit fit age if spontaneous==0 )(qfit fit age if spontaneous==1 ) (qfit fit age if spontaneous==2 )
如果不想要曲线可以改成直线
twoway (lfit fit age if spontaneous==0 )(lfit fit age if spontaneous==1 ) (lfit fit age if spontaneous==2 )
最后加上图例
twoway (lfit fit age if spontaneous==0 )(lfit fit age if spontaneous==1 ) (lfit fit age if spontaneous==2 ),legend(lab(1 "spontaneous==0 ") lab(2 "spontaneous==1 ") lab(3 "spontaneous==3 "))
还可以修改图例位置
twoway (lfit fit age if spontaneous==0 )(lfit fit age if spontaneous==1 ) (lfit fit age if spontaneous==2 ),legend(lab(1 "spontaneous==0 ") lab(2 "spontaneous==1 ") lab(3 "spontaneous==3 ") ring(0) pos(1))
这样基本就做好了，还可以加上标题和修改X轴和Y轴名字等等，我就不一一演示了。Twoway这个函数还有很多强大的功能，我们将在以后的文章中一一演示。另外COX回归的交互可视化做法也差不多，有兴趣的可以自己试试。
