📊 statistics

int3ract: Johnson-Neyman Technique and its Three-Way Extension for Frequentist and Bayesian Models in R

Het R-pakket `int3ract` implementeert de Johnson-Neyman-techniek en de uitgebreide drie-weg variant (JNK) voor zowel frequentistische als Bayesiaanse modellen, om de interpretatie van interactie-effecten te vergemakkelijken via visuele weergaven van significante regio's.

Oorspronkelijke auteurs: Robert W. Krause

Gepubliceerd 2026-04-27

📖 3 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Robert W. Krause

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een chef-kok bent die een nieuw recept voor een saus probeert. Je ontdekt dat de smaak van de saus (het resultaat) verandert als je meer peper (variabele X) toevoegt. Maar er is een addertje onder het gras: de smaak hangt ook af van hoeveel zout (moderator M) er al in de pan zit.

Als je alleen kijkt naar het "gemiddelde" effect, zeg je misschien: "Peper maakt de saus pittiger." Maar dat is een te simpele conclusie. Want als de saus al extreem zout is, heeft extra peper misschien totaal geen effect meer, of de smaak slaat zelfs om.

Dit wetenschappelijke artikel introduceert een digitale "gereedschapskist" genaamd int3ract (een pakket voor de programmeertaal R), die onderzoekers helpt om dit soort ingewikkelde verbanden veel nauwkeuriger te begrijpen.

Hier is de uitleg in drie simpele stappen:

1. De "Zaklamp-methode" vs. de "Kaart-methode" (JN-techniek)

Vroeger deden onderzoekers vaak aan de "spotlight-methode". Dat is alsof je in een donkere kamer met een zaklamp staat en maar op drie specifieke plekken schijnt: "Bij een beetje zout werkt de peper, bij veel zout werkt de peper, en bij extreem veel zout werkt de peper niet." Dat geeft een heel beperkt beeld.

De techniek in dit papier (de Johnson–Neyman techniek) is als het aanzetten van de grote plafondlamp. In plaats van drie losse puntjes, zie je nu precies de grenslijn: "Vanaf exact 5 gram zout begint de peper zijn werk te doen, en boven de 12 gram stopt het effect volledig." Je ziet dus de hele 'zone' van invloed.

2. De "Drie-dimensionale Dans" (De 3-weg uitbreiding)

Soms is het nóg ingewikkelder. Stel dat de smaak niet alleen afhangt van peper en zout, maar ook van de temperatuur van de pan. Nu heb je drie variabelen.

Als je dat probeert te tekenen op een plat blaadje, loopt het vast. De maker van dit pakket, Robert Krause, heeft een oplossing bedacht: de "Heatmap". In plaats van een simpele lijn, maakt de computer een soort kleurrijke landkaart (een heatmap).

Warme kleuren laten zien waar het effect heel sterk is.
Koude kleuren laten zien waar het effect bijna niets doet.
Arceringen (streepjes) laten zien waar de resultaten "onzeker" of niet belangrijk zijn.

Het is alsof je een weerkaart bekijkt: je ziet in één oogopslag waar de stormen (sterke effecten) zitten en waar het windstil is.

3. Voor de "Gokkers" en de "Wiskundigen" (Frequentistisch vs. Bayesiaans)

In de statistiek heb je twee kampen:

De Frequentisten: Zij kijken naar harde feiten en grenzen (de "is het wel of niet zo?" groep).
De Bayesianen: Zij werken met waarschijnlijkheden en kansen (de "hoe zeker weten we dit?" groep).

Het mooie van dit nieuwe pakket int3ract is dat het voor beide kampen werkt. Of je nu een strikte wiskundige bent die alleen met harde grenzen werkt, of een onderzoeker die met kansberekeningen en onzekerheden werkt: de software begrijpt jouw taal en tekent de juiste kaarten voor je.

Samenvatting

Dit paper presenteert een slimme software-update voor wetenschappers. In plaats van te zeggen: "Dit werkt ongeveer zo," stelt int3ract hen in staat om te zeggen: "Dit werkt precies in deze zone, maar stopt daar en daar, en dit is hoe de kaart eruitziet als we drie verschillende factoren tegelijk meenemen."

Het maakt de wetenschap minder een "gok met een zaklamp" en meer een "heldere landkaart".

Technische Samenvatting: `int3ract` – De Johnson–Neyman Techniek en de driedimensionale uitbreiding voor Frequentistische en Bayesiaanse Modellen in R

1. Het Probleem: De beperkingen van interactie-analyse

In de toegepaste statistiek zijn interactie-effecten (moderatie) alomtegenwoordig: ze beschrijven hoe de relatie tussen een voorspeller ( $X$ ) en een uitkomst ( $Y$ ) afhangt van een moderator ( $M$ ). De auteur stelt dat de conventionele manier van rapporteren — het enkel bekijken van de significantie van de interactiecoëfficiënt of het gebruik van de "spotlight"-methode (het plotten van eenvoudige hellingen op een paar geselecteerde waarden van de moderator) — ontoereikend en potentieel misleidend is. Deze methoden geven geen volledig beeld van de grenzen waarbinnen een effect wel of niet statistisch onderscheidbaar is van nul.

2. Methodologie: De Johnson–Neyman (JN) Techniek

De kern van de oplossing is de Johnson–Neyman (JN) techniek. In plaats van discrete punten te testen, identificeert deze techniek de volledige regio binnen het bereik van de moderator waarover het effect van de voorspeller statistisch significant is.

Tweeweg-interacties: Voor een model $Y_i = \beta_0 + \beta_1X_i + \beta_2M_i + \beta_3X_iM_i + \epsilon_i$ berekent de techniek de variantie van de eenvoudige helling ( $\hat{\theta}_X(m)$ ) via de delta-methode. Vervolgens wordt bepaald voor welke waarden van $m$ de $z$ -score de kritieke waarde overschrijdt.
Driedimensionale uitbreiding (JNK): Het paper introduceert de Johnson–Neyman–Krause (JNK) techniek voor driedimensionale interacties ( $X \times M \times W$ ). Omdat de significantie-regio nu twee dimensies beslaat, kan dit niet langer als een lijn worden weergegeven, maar vereist dit een heatmap over een tweedimensionaal rooster van de moderators.

3. Belangrijkste Bijdragen van het `int3ract` Pakket

Het R-pakket int3ract biedt drie fundamentele innovaties:

Implementatie van de JNK-techniek: Het is het eerste pakket dat volledige ondersteuning biedt voor driedimensionale interacties via kleurverloop-heatmaps met optionele arcering (crosshatch) voor niet-significante regio's.
Model-agnostische Frequentistische Engine (JNK_freq()): De functie detecteert automatisch modellen uit de klassen lm, glm, sienaFit (RSiena) en lme4 (lmer/glmer). Bovendien is het pakket extreem flexibel: door direct coëfficiënten en covariantie-matrices aan te leveren, kan de techniek worden toegepast op elk model (bijv. overlevingsmodellen of bèta-regressie). Voor mixed-effects modellen ondersteunt het ook per-groep JN-plots wanneer interacties als random effects zijn gemodelleerd.
Bayesiaanse Ondersteuning (JNK_bayes()): In plaats van punt-schattingen werkt dit voor Bayesiaanse modellen met de volledige posterieure verdeling.
- Voor tweeweg-interacties genereert het dichtheidsplots van de conditionele posterieure verdeling.
- Voor driedimensionale interacties genereert het heatmaps van de posterieure gemiddelden met overlays van Bayesiaanse p-waarden.

4. Resultaten en Visualisatie

Het pakket vertaalt complexe wiskundige berekeningen naar intuïtieve visuele output via ggplot2:

Tweeweg-plots: Gebruiken gekleurde linten (ribbons) om significante (bijv. groen) en niet-significante (bijv. chocoladebruin) regio's langs de moderator-as te markeren.
Driedimensionale heatmaps: Gebruiken een divergent kleurenschema om de magnitude van het effect weer te geven, waarbij arcering visueel aangeeft waar de nulhypothese niet verworpen kan worden.
SAOM-toepassing: Het pakket is specifiek getest op Stochastic Actor-Oriented Models (gebruikt in netwerkanalyse), waarbij het de complexiteit van netwerk-evolutie en heterogeniteit tussen groepen kan visualiseren.

5. Significante Impact

De wetenschappelijke waarde van int3ract ligt in het bevorderen van een rijkere en transparantere rapportage van interactie-effecten. Door onderzoekers aan te moedigen de volledige regio van moderatie te rapporteren in plaats van enkel enkele "spotlight"-punten, helpt het pakket de precisie van de wetenschappelijke communicatie te vergroten en misinterpretaties van complexe data te voorkomen.

Beschikbaar op GitHub: RWKrause/int3ract