如何在许多模拟中探索lme4 logit混合模型的后续交互趋势？

如何解决如何在许多模拟中探索lme4 logit混合模型的后续交互趋势？

在评论者推荐之后，该信息也已发布在CrossValidated https://stats.stackexchange.com/questions/494897/how-to-explore-follow-up-interaction-trends-for-lme4-logit-mixed-models-across-m

我一直在使用lme4中的glmer运行logit混合模型。我将使用一个假设的数据集来解释我的目标和问题。

我想看看孩子的年龄是否可以预测数学测试是否正确回答了（是= 1）（否= 0）。孩子们回答了20个问题。我将孩子和测试项目包括为随机拦截。而且我将他们的IQ得分作为固定的影响因素加以控制。以年龄和智商为中心并进行缩放。因此，我有2个连续的预测变量和一个二进制结果。我的模型看起来像这样：

glmer(correctAns  ~ Age + IQ + (1| testItems) + (1|children),data = df,family=binomial(link="logit"))

我发现年龄显着预测了孩子们能否通过测试获得正确答案。但是现在我想知道年龄是否可以更好地预测数学项目或科学考试项目的答案。因此，我将这些数据集合并在一起，并包括了问题类型（数学或科学）作为分类交互。该模型现在看起来像这样。

glmer(correctAns  ~ Age*questionType + IQ + (1| testItems) + (1|children),family=binomial(link="logit"))

我遇到的一个问题是，科学项目的难度是变化的三倍，因此我想确保模型中只包含相等数量的科学项目。一位同事建议我使用模拟技术。因此，我使用了一种仿真技术，通过该技术我可以在一个循环中运行1000个模型，每个循环选择20个随机科学项目以包含在模型中。在每个循环中，我提取系数z分数。最后，要查看年龄和测试答案之间的关系是否取决于questionType，我绘制了z得分的分布（正态分布），并进行了一次样本t检验以查看z得分的平均值是否为与0显着不同–确实如此。您可以在这里看到此内容：https://i.stack.imgur.com/ps102.png

因此，在整个模拟过程中，我在年龄和问题类型之间有着重要的互动，但我想对此进行跟进，以使我知道互动中发生了什么。通常，我将使用emmeans包中的emtrends函数进行探索，并使用sjPlots中的plot_model可视化单个模型。但是我不知道在仿真循环中最好的方法是什么。

我的问题是，如何在模拟中探索age * questionType之间的相互作用？