web-dev-qa-db-ja.com

ggplotで混合効果モデルをプロット

私は混合効果モデルに慣れていないので、あなたの助けが必要です。下のグラフをggplotにプロットしました：

ggplot(tempEf,aes(TRTYEAR,CO2effect,group=Myc,col=Myc)) + 
  facet_grid(~N) +
  geom_smooth(method="lm",se=T,size=1) +
  geom_point(alpha = 0.3) + 
  geom_hline(yintercept=0, linetype="dashed") +
  theme_bw()

enter image description here

ただし、lmin geom_smoothの代わりに混合効果モデルを表現したいので、ランダム効果としてSITEを含めることができます。

モデルは次のようになります。

library(lme4)
tempEf$TRTYEAR <- as.numeric(tempEf$TRTYEAR)
mod <- lmer(r ~ Myc * N * TRTYEAR + (1|SITE), data=tempEf)

私はTRTYEAR（治療年）を含めました。これは、一部のグループでは時間とともに増加または減少する可能性のある効果のパターンにも関心があるためです。

次に、モデルからプロット変数を抽出するためのこれまでの私の最善の試みですが、TRTYEAR = 5、10、および15の値のみを抽出しました。

library(effects)
ef <- effect("Myc:N:TRTYEAR", mod)
x <- as.data.frame(ef)
> x
   Myc     N TRTYEAR        fit         se       lower     upper
1   AM  Nlow       5 0.04100963 0.04049789 -0.03854476 0.1205640
2  ECM  Nlow       5 0.41727928 0.07342289  0.27304676 0.5615118
3   AM Nhigh       5 0.20562700 0.04060572  0.12586080 0.2853932
4  ECM Nhigh       5 0.24754017 0.27647151 -0.29556267 0.7906430
5   AM  Nlow      10 0.08913042 0.03751783  0.01543008 0.1628307
6  ECM  Nlow      10 0.42211957 0.15631679  0.11504963 0.7291895
7   AM Nhigh      10 0.30411129 0.03615213  0.23309376 0.3751288
8  ECM Nhigh      10 0.29540744 0.76966410 -1.21652689 1.8073418
9   AM  Nlow      15 0.13725120 0.06325159  0.01299927 0.2615031
10 ECM  Nlow      15 0.42695986 0.27301163 -0.10934636 0.9632661
11  AM Nhigh      15 0.40259559 0.05990085  0.28492587 0.5202653
12 ECM Nhigh      15 0.34327471 1.29676632 -2.20410343 2.8906529

この分析を表すためのまったく異なるアプローチへの提案を歓迎します。この質問は、背後の統計ではなくRの技術に関するものなので、スタックオーバーフローに適していると思いました。ありがとう

rggplot2lmer
20
fede_luppi

モデルをさまざまな方法で表現できます。最も簡単なのは、さまざまなプロットツール（色、形状、線種、ファセット）を使用してさまざまなパラメーターでデータをプロットすることです。これは、ランダム効果site。モデルの残差をプロットして、結果を伝えることもできます。 @MrFlickがコメントしたように、それはあなたが伝えたいものに依存します。推定の周りに信頼/予測バンドを追加する場合は、より深く掘り下げて、より大きな統計的問題を考慮する必要があります（ example1 、 example2 ）。

以下に、もう少し例を示します。
また、あなたのコメントでは、データがあなたのものではないため、再現可能な例を提供しなかったと述べました。だからといって、作成されたデータの例を提供できないわけではありません。より迅速な回答が得られるように、今後の投稿についても考慮してください。

#Make up data:
tempEf <- data.frame(
  N = rep(c("Nlow", "Nhigh"), each=300),
  Myc = rep(c("AM", "ECM"), each=150, times=2),
  TRTYEAR = runif(600, 1, 15),
  site = rep(c("A","B","C","D","E"), each=10, times=12)   #5 sites
  )

# Make up some response data
tempEf$r <- 2*tempEf$TRTYEAR +                   
            -8*as.numeric(tempEf$Myc=="ECM") +
            4*as.numeric(tempEf$N=="Nlow") +
            0.1*tempEf$TRTYEAR * as.numeric(tempEf$N=="Nlow") +
            0.2*tempEf$TRTYEAR*as.numeric(tempEf$Myc=="ECM") +
           -11*as.numeric(tempEf$Myc=="ECM")*as.numeric(tempEf$N=="Nlow")+ 
            0.5*tempEf$TRTYEAR*as.numeric(tempEf$Myc=="ECM")*as.numeric(tempEf$N=="Nlow")+ 
           as.numeric(tempEf$site) +  #Random intercepts; intercepts will increase by 1
           tempEf$TRTYEAR/10*rnorm(600, mean=0, sd=2)    #Add some noise

library(lme4)
model <- lmer(r ~ Myc * N * TRTYEAR + (1|site), data=tempEf)
tempEf$fit <- predict(model)   #Add model fits to dataframe

ちなみに、モデルは上記の係数と比較してデータによく適合しています。

model

#Linear mixed model fit by REML ['lmerMod']
#Formula: r ~ Myc * N * TRTYEAR + (1 | site)
#   Data: tempEf
#REML criterion at convergence: 2461.705
#Random effects:
# Groups   Name        Std.Dev.
# site     (Intercept) 1.684   
# Residual             1.825   
#Number of obs: 600, groups:  site, 5
#Fixed Effects:
#         (Intercept)                MycECM                 NNlow               
#             3.03411              -7.92755               4.30380               
#             TRTYEAR          MycECM:NNlow        MycECM:TRTYEAR  
#             1.98889             -11.64218               0.18589  
#       NNlow:TRTYEAR  MycECM:NNlow:TRTYEAR  
#             0.07781               0.60224

モデル出力をデータに重ねて表示するように例を適合させる

   library(ggplot2)
    ggplot(tempEf,aes(TRTYEAR, r, group=interaction(site, Myc), col=site, shape=Myc )) + 
      facet_grid(~N) +
      geom_line(aes(y=fit, lty=Myc), size=0.8) +
      geom_point(alpha = 0.3) + 
      geom_hline(yintercept=0, linetype="dashed") +
      theme_bw()

Mycからsiteに色を変更するだけでした。 Mycへの線種。 lmer with random effects

この例が、混合効果モデルを視覚化する方法を提供してくれることを願っています。

25
oshun