我正在使用lme4包 ( lmer function)分析一些纵向数据3 Levels：测量点嵌套在嵌套在家庭中的个人中。我对围绕特定生活事件的线性和非线性变化曲线感兴趣。我的模型有很多时间预测变量（表示事件发生前后的线性变化和事件发生前后的非线性变化（即时间变量的平方））。此外，我有几个不随时间（即个性特征）和一些控制变量（例如，年龄、性别）而变化的 Level-2 预测变量。到目前为止，我没有包括任何随机斜率或跨级别交互。
这是我的模型代码：
model.RI <- lmer(outcome ~ time + female_c + age_c + age_c2 + preLin + preLin.sq + postLin + postLin.sq + per1.c + per2.c + per3.c + per4.c + per5.c + (1 | ID) + (1 | House))
结果 = 我的因变量
time = year 1, year 2, year 3 ... (until year 9); 这个变量象征着测试效果之类的东西
female_c = gender centered
age_c = age centered
age_c2 = age squared centered
preLin = time variable 表示事件发生的时间（该变量在事件发生后为 0，为 -1，例如提前一年，-2 提前两年等）
preLin.sq = squared values of preLin
postLin = time variable 表示事件发生后的时间（该变量在事件发生前为 0，在事件发生后增加；例如，事件发生后一年为 +1）
postLin.sq = squared values of postLin
per1.c until per5.c = personality traits on Level 2 (centered)
ID = indicating the individuum
House = indicating the household
我想知道如何绘制该lmer模型的预测值（例如，使用 ggplot2？）。我已经使用method=gamR 中的绘制了变化曲线。这是一种相当数据驱动的方法，无需预先定义曲线是线性还是二次或其他方式来检查数据。我现在想检查我的参数化 lmer 模型是否与gam-plot我已有的数据驱动模型相当。你有什么建议如何做到这一点吗？
我很乐意在这方面得到一些帮助！也请随时询问我对我想做的事情的解释是否不够准确！
非常感谢！
您可以使用ggeffects-package 中ggpredict()的-function。如果要绘制时间 ( preLin) 的预测值，只需编写：
ggpredict(model.RI, "preLin")
该函数返回一个数据框（参见文章），您可以在 ggplot 中使用它，但您也可以直接绘制结果：
ggpredict(model.RI, "preLin") %>% plot()
或者
p <- ggpredict(model.RI, "preLin")
plot(p)
您也可以使用sjPlot-package，但是，对于边际效应/预测值，sjPlot::plot_model()- 函数在内部仅调用ggeffects::ggpredict()，因此结果基本上相同。
模型的另一个注意事项：如果您有纵向数据，您还应该将时间变量作为随机斜率包括在内。我不确定如何postLin准确地引用preLin，但是如果preLin捕获了所有测量值，您至少应该像这样编写模型：
model.RI <- lmer(
outcome ~ time + female_c + age_c + age_c2 + preLin + preLin.sq +
postLin + postLin.sq + per1.c + per2.c + per3.c + per4.c + per5.c +
(1 + preLin | ID) + (1 + preLin | House)
)
如果您还假设每个人的二次趋势 ( ID)，您甚至可以将平方项添加为随机斜率。
正如您的图形示例建议使用样条线，您也可以尝试以下操作：
library(splines)
model.RI <- lmer(
outcome ~ time + female_c + age_c + age_c2 + bs(preLin)
postLin + postLin.sq + per1.c + per2.c + per3.c + per4.c + per5.c +
(1 + preLin | ID) + (1 + preLin | House)
)
p <- ggpredict(model.RI, "preLin")
plot(p)
样条曲线的示例也在我上面提到的网站上进行了演示。
编辑：另一个注释与嵌套有关：您当前正在建模一个完全交叉或交叉分类的模型。如果完全嵌套，随机部分将如下所示：
... + (1 + preLin | House / ID)
（另请参阅这个小代码示例）。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句