Wykresy ilustrujące wyniki liniowego modelu efektu mieszanego

13

Analizowałem niektóre dane przy użyciu liniowego modelowania efektu mieszanego w R. Planuję zrobić plakat z wynikami i zastanawiałem się, czy ktokolwiek doświadczony z modelami efektu mieszanego może zasugerować, które wykresy zastosować w zilustrowaniu wyników Model. Myślałem o wykresach rezydualnych, wykresie dopasowanych wartości względem wartości oryginalnych itp.

Wiem, że będzie to w dużej mierze zależeć od moich danych, ale starałem się poszukać najlepszego sposobu zilustrowania wyników liniowych modeli z efektem mieszanym. Korzystam z pakietu nlme w R.

Dzięki

John_dydx
źródło
3
Książka Pinheiro i Batesa zawiera kilka przykładów. Możesz spojrzeć na § 4.3, „Badanie dopasowanego modelu”.
Sergio
3
Ten wątek może być również pomocny: Jaki byłby obraz ilustrujący liniowe modele mieszane?
usεr11852

Odpowiedzi:

22

To zależy od twojego modelu, ale z mojego doświadczenia wynika, że ​​nawet koledzy, którzy nie mają dobrego zrozumienia modeli efektów mieszanych, naprawdę lubią rysować prognozy z różnymi poziomami grupowania:

library(nlme)
fm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1|Subject)

newdat <- expand.grid(Sex=unique(Orthodont$Sex),
                  age=c(min(Orthodont$age),
                            max(Orthodont$age)))

library(ggplot2)
p <- ggplot(Orthodont, aes(x=age, y=distance, colour=Sex)) +
  geom_point(size=3) +
  geom_line(aes(y=predict(fm2), group=Subject, size="Subjects")) +
  geom_line(data=newdat, aes(y=predict(fm2, level=0, newdata=newdat), size="Population")) +
  scale_size_manual(name="Predictions", values=c("Subjects"=0.5, "Population"=3)) +
  theme_bw(base_size=22) 
print(p)

wprowadź opis zdjęcia tutaj

Roland
źródło
@ Roland, dziękuję za odpowiedź. Mój model jest liniowym modelem z efektem mieszanym, zawierającym zmienne niezależne i zależne z pewnymi zmiennymi towarzyszącymi.
John_dydx
@ Roland, mogę po prostu zapytać, czy fm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1|Subject)to to samo co fm3 <- lme(distance ~ age*Sex, data = Orthodont, random = ~ 1|Subject) . Próbuję użyć seksu jako współzmiennej dla modelu.
John_dydx
Nie. age * SexTo to samo age + Sex + age:Sex, co obejmuje interakcję.
Roland
1
Tak oczywiście. Musisz usunąć colour=Sex.
Roland
1
Tak, ale to podstawowa funkcja ggplot2. Przestudiuj dokumentację i samouczki. Możesz użyć scale_colour_manual.
Roland