R 基于nnet:：multinom（）模型，如何使用{ggeffects}获得预测概率图的置信区间？

我想绘制R中多项式模型的预测概率，该模型配有

nnet:：multinom（）

函数。我有对数标度的数值预测

即使

{ggeeffects}

应与

multinom（）

兼容，绘图显示的置信区间与线性模型显示的置信区间不同

我对R和这个社区还不熟悉，所以如果这个问题很基本或者遗漏了一些重要的东西，我深表歉意。下面是一个小例子：

library(tidyverse)
library(nnet)
library(effects)
library(ggeffects)


df <- data.frame(response = c("1 Better", "1 Better", "1 Better", "2 Medium", "2 Medium", "2 Medium", "3 Worse", "3 Worse", "3 Worse"),
                 count = c(1000, 2000, 4000, 6000, 10000, 3000, 6000, 5000, 11000))

mod1 <- multinom(response ~ log(count), data = df)
summary(mod1)

effects::effect(mod1, term="log(count)", se=TRUE, confidence.level=.95) %>% plot() # Produces CIs.

ggeffects::ggpredict(mod1, terms = "count") %>% plot() + theme_bw() # No confidence intervals.

但它对那个人起了作用

使用

{MNLpred}

包及其：对我来说不起作用，我想是因为我的预测值在对数范围内。我得到了以下错误：

Error in eval(parse(text = paste0("data$", xvari))) : attempt to apply non-function

---

使用

{DAMisc}

中的

mnlaveffplot（）

函数：工作正常，但绘图并不像我希望的那样可自定义。

您可以使用

ggeffects:：GGEMeans（）

完成此操作

库（tidyverse）
图书馆（主题）
图书馆（nnet）
库（ggeffects）#使用的包版本：v0.16.0
dfMNLpred
package无法处理回归函数中的
log（）
，但在您事先计算对数刻度时，它会起作用

# Packages
library(tidyverse)
library(nnet)
library(MASS)
library(MNLpred)
library(scales)
library(ggeffects)
library(ggthemes)

df <- data.frame(response = c("1 Better", "1 Better", "1 Better", 
                              "2 Medium", "2 Medium", "2 Medium", 
                              "3 Worse", "3 Worse", "3 Worse"),
                 count = c(1000, 2000, 4000, 
                           6000, 10000, 3000, 
                           6000, 5000, 11000))

mod1 <- multinom(response ~ log(count), data = df)
summary(mod1)

# Log-scaled
df$count_log <- log(df$count)

# Regression
mod2 <- multinom(response ~ count_log,
                 data = df,
                 Hess = TRUE)

# The models are identical:
coef(mod1) == coef(mod2)


或预测的边际效应：

pred_fd <- mnl_fd2_ova(model = mod2,
                       x = "count_log",
                       value1 = min(df$count_log),
                       value2 = max(df$count_log),
                       data = df)

pred_fd$plotdata_fd %>%
  ggplot(aes(x = categories,
             y = mean,
             ymin = lower,
             ymax = upper)) +
  geom_pointrange() +
  scale_y_continuous(labels = percent_format()) +
  labs(title = "Predicted effect of Count on responses",
       x = "Categories",
       y = "Predicted marginal effect") +
  theme_bw()

pred\u fd%
ggplot（aes（x=类别，
y=平均值，
ymin=较低，
ymax=上）+
geom_pointrange（）+
连续缩放（标签=百分比格式（））+
实验室（title=“计数对响应的预测影响”，
x=“类别”，
y=“预测边际效应”）+
主题_bw（）

请考虑对问题稍加修改和简化，以便它专门针对一个特定命令的一个问题。到目前为止，您似乎已经尝试了三种或三种以上不同的方法，所有这些方法都会产生错误消息或出现问题，但您只为
ggeffects:：ggpredict（）
命令提供了代码。如果你的问题完全是这样，考虑编辑其他事情。非常感谢-我已经编辑了我的问题，请让我知道如果可以进一步改进。这是非常有帮助的，谢谢！非常感谢。
# Packages
library(tidyverse)
library(nnet)
library(MASS)
library(MNLpred)
library(scales)
library(ggeffects)
library(ggthemes)

df <- data.frame(response = c("1 Better", "1 Better", "1 Better", 
                              "2 Medium", "2 Medium", "2 Medium", 
                              "3 Worse", "3 Worse", "3 Worse"),
                 count = c(1000, 2000, 4000, 
                           6000, 10000, 3000, 
                           6000, 5000, 11000))

mod1 <- multinom(response ~ log(count), data = df)
summary(mod1)

# Log-scaled
df$count_log <- log(df$count)

# Regression
mod2 <- multinom(response ~ count_log,
                 data = df,
                 Hess = TRUE)

# The models are identical:
coef(mod1) == coef(mod2)

# 10 steps for predictions
steps <- (max(df$count_log) - min(df$count_log))/9

pred1 <- mnl_pred_ova(mod2,
                      data = df,
                      by = steps,
                      x = "count_log")

x_breaks <- seq(from = min(df$count_log),
                to = max(df$count_log), 
                length.out = 5)

x_labels <- seq(from = min(df$count),
                to = max(df$count),
                length.out = 5)

pred1$plotdata %>%
  ggplot(aes(x = count_log,
             y = mean,
             ymin = lower,
             ymax = upper)) +
  facet_wrap(. ~ response) +
  geom_line() +
  geom_ribbon(alpha = 0.2) +
  scale_y_continuous(labels = percent_format()) +
  scale_x_continuous(breaks = x_breaks,
                     labels = x_labels) +
  theme_bw()

pred_fd <- mnl_fd2_ova(model = mod2,
                       x = "count_log",
                       value1 = min(df$count_log),
                       value2 = max(df$count_log),
                       data = df)

pred_fd$plotdata_fd %>%
  ggplot(aes(x = categories,
             y = mean,
             ymin = lower,
             ymax = upper)) +
  geom_pointrange() +
  scale_y_continuous(labels = percent_format()) +
  labs(title = "Predicted effect of Count on responses",
       x = "Categories",
       y = "Predicted marginal effect") +
  theme_bw()