Изменение вручную линейной смешанной модели для построения графиков - PullRequest
Новая
       24

Изменение вручную линейной смешанной модели для построения графиков

0 голосов
/ 08 апреля 2020

Я застрял с проблемой построения графика из операции усреднения модели:

Я хотел бы вручную изменить оценки объекта lmer, чтобы иметь возможность заменить оценки моей переменной "усреднение по модели" установить оценки, по оценкам, возвращаемым полным средним, когда я выполняю усреднение модели. 

   Phil<-lmer(LogPhil ~ ((Imperviousness40cm+Imperviousness20m+Imperviousness3000m+BarycentreDIM1+BarycentreDIM2+BarycentreDIM3+Can+Year+(BarycentreDIM1*Year)+(BarycentreDIM2*Year)+(BarycentreDIM3*Year)+(BarycentreDIM1*Can)+(BarycentreDIM2*Can)+(BarycentreDIM3*Can)+(BarycentreDIM1*Imperviousness40cm)+(BarycentreDIM2*Imperviousness40cm)+(BarycentreDIM3*Imperviousness40cm)+(BarycentreDIM1*Imperviousness20m)+(BarycentreDIM2*Imperviousness20m)+(BarycentreDIM3*Imperviousness20m)+(BarycentreDIM1*Imperviousness3000m)+(BarycentreDIM2*Imperviousness3000m)+(BarycentreDIM3*Imperviousness3000m)))+(1|Species), data=Data, na.action = na.fail)

У меня есть эта довольно сложная полная модель с соответствующими взаимодействиями для моего исследования, и моя переменная вида установлена ​​как случайный фактор. Все объясняющие переменные являются непрерывными, кроме моей переменной Year. Затем я провожу усреднение модели по выбору модели с разницей AI C менее 2 с лучшей моделью. Резюме этого объекта model.avg дает мне следующее: 

Model-averaged coefficients:  

(full average) 
                          Estimate Std. Error Adjusted SE z value Pr(>|z|)    
(Intercept)              2.3134567  0.2013498   0.2018630  11.461   <2e-16 ***
Can                      0.0022587  0.0003754   0.0003768   5.995   <2e-16 ***
BarycentreDIM1           0.0262348  0.0468042   0.0468200   0.560    0.575    
BarycentreDIM3          -0.1755864  0.5422836   0.5435996   0.323    0.747    
BarycentreDIM2          -0.0194799  0.1042024   0.1045072   0.186    0.852    
Year2019                 0.0279235  0.0737504   0.0738155   0.378    0.705    
BarycentreDIM2:Year2019 -0.0412006  0.0990259   0.0990577   0.416    0.677    
BarycentreDIM3:Year2019 -0.1046429  0.2709803   0.2711900   0.386    0.700    

(conditional average) 
                          Estimate Std. Error Adjusted SE z value Pr(>|z|)    
(Intercept)              2.3134567  0.2013498   0.2018630  11.461  < 2e-16 ***
Can                      0.0022587  0.0003754   0.0003768   5.995  < 2e-16 ***
BarycentreDIM1           0.1017789  0.0284581   0.0285588   3.564 0.000365 ***
BarycentreDIM3          -0.5158755  0.8297225   0.8322488   0.620 0.535352    
BarycentreDIM2          -0.1219386  0.2355320   0.2363759   0.516 0.605947    
Year2019                 0.1747934  0.0915181   0.0918460   1.903 0.057026 .  
BarycentreDIM2:Year2019 -0.2579045  0.0741270   0.0743926   3.467 0.000527 ***
BarycentreDIM3:Year2019 -0.6550362  0.3148432   0.3159713   2.073 0.038164 *

Затем я переписал свой результат усреднения модели, так как теперь я хочу построить график взаимодействий (даже если в этом случае он не значителен для полного среднего) особенно BarycentreDIM2 * Год. Моя нынешняя модель выглядит следующим образом: 

Philmodelavg<-lmer(LogPhil ~ (BarycentreDIM1+BarycentreDIM2+BarycentreDIM3+Can+Year+(BarycentreDIM2*Year)+(BarycentreDIM3*Year))+(1|Species), data=Data, na.action = na.fail)

Для построения графика я использую 

interact_plot(Philmodelavg, pred = BarycentreDIM2, modx = Year)

Однако оценки этого недавно написанного Philmodelavg не совпадают с оценками полной усредненной модели.

Можно ли здесь вручную изменить оценки модели Филмоделавга, чтобы соответствовать результатам операции усреднения моей модели? Тогда было бы действительно легко построить график взаимодействия с правильными склонами ...

Действительно, я знаю оценки с полным средним (и видел некоторые методы получения их через emmeans), но это не так действительно то, что мне нужно здесь.

Любые советы о том, как построить это взаимодействие между непрерывными и категориальными переменными, приветствуются!

Спасибо :)

Приветствия,

Чарли

...