R語言建立和視覺化混合效應模型mixed effect model|附程式碼資料

阿新 • • 發佈：2022-12-08

全文下載連結：http://tecdat.cn/?p=20631

最近我們被客戶要求撰寫關於混合效應模型的研究報告，包括一些圖形和統計輸出。

我們已經學習瞭如何處理混合效應模型。本文的重點是如何建立和_視覺化_ 混合效應模型的結果。

設定

本文使用資料集，用於探索草食動物種群對珊瑚覆蓋的影響。

knitr::opts_chunk$set(echo = TRUE)

library(tidyverse) # 資料處理
library(lme4) #  lmer   glmer 模型



me_data <- read_csv("mixede.csv")

建立一個基本的混合效應模型：

該模型以珊瑚覆蓋層為因變數（elkhorn_LAI），草食動物種群和深度為固定效應（c。urchinden，c.fishmass，c.maxD）和調查地點作為隨機效應（地點）。
。
注意：由於食草動物種群的測量規模存在差異，因此我們使用標準化的值，否則模型將無法收斂。我們還使用了因變數的對數。我正在根據這項特定研究對資料進行分組。

summary(mod)

## Linear mixed model fit by maximum likelihood  ['lmerMod']

## 
##      AIC      BIC   logLik deviance df.resid 
##    116.3    125.1    -52.1    104.3       26 
## 
## Scaled residuals: 
##     Min      1Q  Median      3Q     Max 
## -1.7501 -0.6725 -0.1219  0.6223  1.7882 
## 
## Random effects:
##  Groups   Name        Variance Std.Dev.
##  site     (Intercept) 0.000    0.000   
##  Residual             1.522    1.234   
## Number of obs: 32, groups:  site, 9
## 
## Fixed effects:
##             Estimate Std. Error t value
## (Intercept)  10.1272     0.2670  37.929
## c.urchinden   0.5414     0.2303   2.351
## c.fishmass    0.4624     0.4090   1.130
## c.axD        0.3989     0.4286   0.931
## 
## Correlation of Fixed Effects:
##             (Intr) c.rchn c.fshm
## c.urchinden  0.036              
## c.fishmass  -0.193  0.020       
## c.maxD       0.511  0.491 -0.431
## convergence code: 0
## boundary (singular) fit: see ?isSingular

繪製效應大小圖：

如果您有很多固定效應，這很有用。

plot(mod)

點選標題查閱往期內容

R語言線性混合效應模型實戰案例

左右滑動檢視更多

效應大小的格式化圖：

讓我們更改軸標籤和標題。

# 注意：軸標籤應按從下到上的順序排列。
# 要檢視效應大小和p值，設定show.values和show.p= TRUE。只有當效應大小的值過大時，才會顯示P值。
  title="草食動物對珊瑚覆蓋的影響")

模型結果表輸出：

建立模型摘要輸出表。這將提供預測變數，包括其估計值，置信區間，估計值的p值以及隨機效應資訊。

tab(mod)

格式化表格

# 注：預測標籤（pred.labs）應從上到下排列；dv.labs位於表格頂部的因變數的名稱。
 
 
                  pred.labels =c("(Intercept)", "Urchins", "Fish", "Depth"),

用資料繪製模型估計

我們可以在實際資料上繪製模型估計值！我們一次只針對一個變數執行此操作。注意：資料已標準化以便在模型中使用，因此我們繪製的是標準化資料值，而不是原始資料

步驟1：將效應大小估算值儲存到data.frame中

# 使用函式。term=固定效應，mod=你的模型。

effect(term= "c.urchinden", mod= mod)
summary(effects) #值的輸出

## 
##  c.urchinden effect
## c.urchinden
##     -0.7      0.4        2        3        4 
##  9.53159 10.12715 10.99342 11.53484 12.07626 
## 
##  Lower 95 Percent Confidence Limits
## c.urchinden
##      -0.7       0.4         2         3         4 
##  8.857169  9.680160 10.104459 10.216537 10.306881 
## 
##  Upper 95 Percent Confidence Limits
## c.urchinden
##     -0.7      0.4        2        3        4 
## 10.20601 10.57414 11.88238 12.85314 13.84563

# 將效應值另存為df：
x  <- as.data.frame(effects)

步驟2：使用效應值df繪製估算值

如果要儲存基本圖（僅固定效應和因變數資料），可以將其分解為單獨的步驟。注意：對於該圖，我正在基於此特定研究對資料進行分組。

＃基本步驟：
  ＃1建立空圖

  #2 從資料中新增geom_points（）

  #3 為模型估計新增geom_point。我們改變顏色，使它們與資料區分開來

  #4 為MODEL的估計值新增geom_line。改變顏色以配合估計點。

  #5 新增具有模型估計置信區間的geom_ribbon

  #6 根據需要編輯標籤！

#1
chin_plot <- ggplot() + 
  #2
geom_point(data ,  + 
  #3
  geom_point(data=x_, aes(x= chinde, y=fit), color="blue") +
  #4
  geom_line(data=x, aes(x= chinde, y=fit), color="blue") +
  #5
  geom_ribbon(data= x , aes(x=c.urchinden, ymin=lower, ymax=upper), alpha= 0.3, fill="blue") +
  #6
  labs(x="海膽（標準化）", y="珊瑚覆蓋層")

chin_plot