Graph 如何在R中绘制挖掘模型的固定项？

我在R中拟合混合模型。我的模型是：

model <- lmer(provision_rate~breeding_type+nestling_age+time+sex:nestling_age)+(1|nest)+(1|individual), data = provision)

---

性别是父母的性别。我想用图表来描述相互作用术语“性别：产仔年龄”和“供给率”之间的关系。我不知道如何根据模型添加预测线，并将其他参数设置为它们的平均值，以分散R中的图形

解决此问题的一种方法是使用merTools包中的数据操作工具，以创建一个data.frame来模拟您想要探索的关系。下面是一个使用lme4包中的VerbAgg数据的示例，但是您应该能够轻松地将其应用到您的数据和模型中

data(VerbAgg)
fmVA <- glmer(r2 ~ (Anger + Gender + btype + situ)^2 +
       (1|id) + (1|item), family = binomial, 
       data = VerbAgg)

在下一步中，我们只需将这个新数据集传递给predictInterval，以便为这些反事实生成预测，并将这些预测绑定到原始数据

plotdf <- predictInterval(fmVA, newdata = newData, type = "probability", 
        stat = "median", n.sims = 1000)
plotdf <- cbind(plotdf, newData)

生成拟合值的以下曲线图：

---

你试过什么？另外，你能提供一份详细的报告吗？虚拟数据是可以的。

plotdf <- predictInterval(fmVA, newdata = newData, type = "probability", 
        stat = "median", n.sims = 1000)
plotdf <- cbind(plotdf, newData)

ggplot(plotdf, aes(y = fit, x = Anger, color = btype, group = btype)) + 
  geom_point() + geom_smooth(aes(color = btype), method = "lm") + 
  facet_wrap(~situ) + theme_bw() +
  labs(y = "Predicted Probability")