R plot_模型的默认错误间隔是多少?

R plot_模型的默认错误间隔是多少?,r,ggplot2,lme4,sjplot,R,Ggplot2,Lme4,Sjplot,我正在使用sjPlot::plot_model绘制lmer模型。默认的错误条是什么 这是我的模型: p <- lmer(dv~iv1+ factor(iv2)+ (1+iv1+factor(iv2)|subject)) p检查帮助文件总是好的。正如您在comments@saraconnor中所写,“默认情况下,stanreg模型打印有两个间隔:“内部”间隔,默认为50%-CI;“外部”间隔,默认为89%-CI.CI.lvl在这种情况下仅影响外部间隔” 是,此函数的默认置信区间为89%。

我正在使用
sjPlot::plot_model
绘制
lmer
模型。默认的错误条是什么

这是我的模型:

 p <- lmer(dv~iv1+ factor(iv2)+ (1+iv1+factor(iv2)|subject))

p检查帮助文件总是好的。正如您在comments@saraconnor中所写,“默认情况下,stanreg模型打印有两个间隔:“内部”间隔,默认为50%-CI;“外部”间隔,默认为89%-CI.CI.lvl在这种情况下仅影响外部间隔”

是,此函数的默认置信区间为89%。许多绘图可以包括内部和外部CI标注栏,帮助文件指出,最外层标注栏默认为
CI.lvl=0.89
,您必须手动指定为
CI.lvl=0.95
prob.outer=0.95
,就像您所做的那样。内部标注栏由
prob.inner
指定(默认值为0.50,如您提供的帮助文件文本所示)。这些数字中的任何一个都可以设置为0到1之间


见McElreath,R.(2020年)。统计反思:贝叶斯课程,以R和Stan为例。华润出版社。对于为什么89%CI-扰流器的一个解释,因为它是主要的!(请注意95的任意性或任何其他值)。

检查帮助文件总是好的。正如您在comments@saraconnor中所写,“默认情况下,stanreg模型打印有两个间隔:“内部”间隔,默认为50%-CI;“外部”间隔,默认为89%-CI.CI.lvl在这种情况下仅影响外部间隔”

是,此函数的默认置信区间为89%。许多绘图可以包括内部和外部CI标注栏,帮助文件指出,最外层标注栏默认为
CI.lvl=0.89
,您必须手动指定为
CI.lvl=0.95
prob.outer=0.95
,就像您所做的那样。内部标注栏由
prob.inner
指定(默认值为0.50,如您提供的帮助文件文本所示)。这些数字中的任何一个都可以设置为0到1之间


见McElreath,R.(2020年)。统计反思:贝叶斯课程,以R和Stan为例。华润出版社。对于为什么89%CI-扰流器的一个解释,因为它是主要的!(请注意95的任意性或任何其他值)。

什么是
plot\u model
?帮助文件对
ci.lvl
的默认值有何说明?这是帮助文件对ci.lvl的说明:“数值,置信区间(误差条)的级别。使用ci.lvl=NA删除误差条。对于stanreg模型,ci.lvl定义绘制的可信区间的(外部)概率(参见ci)。默认情况下,stanreg模型打印时有两个间隔:“内部”间隔,默认为50%-CI;“外部”间隔,默认为89%-CI。在这种情况下,CI.lvl仅影响外部间隔。有关详细信息,请参阅…-参数下的prob.inner和prob.outer。“我没有阅读以这种方式描述的CI,所以我有点困惑。这基本上是说这是一个89%的置信区间吗@加载的RichardTelford软件包包括:tidyverse、lm4、lmerTest、ggplot2、ggeffects、sjPlot@RichardTelford什么软件包是从哪个软件包
plot\u model
开始的?帮助文件对
ci.lvl
的默认值有何说明?这是帮助文件对ci.lvl的说明:“数值,置信区间(误差条)的级别。使用ci.lvl=NA删除误差条。对于stanreg模型,ci.lvl定义绘制的可信区间的(外部)概率(参见ci)。默认情况下,stanreg模型打印时有两个间隔:“内部”间隔,默认为50%-CI;“外部”间隔,默认为89%-CI。在这种情况下,CI.lvl仅影响外部间隔。有关详细信息,请参阅…-参数下的prob.inner和prob.outer。“我没有阅读以这种方式描述的CI,所以我有点困惑。这基本上是说这是一个89%的置信区间吗@加载的RichardTelford软件包包括:tidyverse、lm4、lmerTest、ggplot2、ggeffects、sjPlot@RichardTelford
p <- plot_model(p3, type="pred", terms=c("iv1", "iv2"), title="Predicted Values")
p <- plot_model(p3, type="pred", terms=c("iv1", "iv2"), ci.lvl=0.95, title="Predicted Values")