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:Graph 如何在R中绘制挖掘模型的固定项?,graph,lme4,mixed-models,Graph,Lme4,Mixed Models,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
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")