Broom.mixed exp 模型预测

Question

我想请求一些帮助来绘制我的模型的预测值以及 lmer() 估计生成的方程。

所以，我得到的数据是不同老鼠在不同日期的质量体积。每只老鼠都有不同的时间点来测量该体积。

因此，我使用的模型是：

 m1 <- lmer(lVolume ~ Country*Day + (1|Rat))

我这样做是因为我对 exp(fitted) 值感兴趣，然后获得该模型的指数方法，而不是使用非线性混合效应模型（对于 在

为了绘制该模型的预测，我的尝试是：

m1%>% 
  augment() %>% 
  clean_names() %>% 
  ggplot(data = .,
         mapping = aes(x = day,
                       y = exp(l_volume),
                       group = rat)) +
  geom_point(alpha = 0.5) +
  geom_line(alpha = 0.5) +
  geom_point(aes(y = exp(fitted)),
             color = "red") + 
  geom_line(aes(y = exp(fitted)),
            color = "red") + 
  expand_limits(x = 0 , y = 0)

这里，我绘制了更多的老鼠，但是，正如您所看到的，(0,0) 与 lmer 的预测相差太远。我想知道如何绘制模型生成的预测以查看 (0,200) 中的点。我尝试从这里创建一个新的数据框，然后再次使用预测（m1，newdata = new_df）进行绘图，但我不知道如何创建这个数据框，因为我有20只老鼠，而且我不知道如何扩展它到预测（）。

我的尝试：

pframe <- data.frame(Day=seq(0, 200, length.out=101))

pframe$continuous_outcome <- predict(m1, newdata = pframe, level = 0)
ggplot(data, aes(Day,lVolume)) + 
  geom_point() +
  geom_line(data=pframe)

但出现错误：

eval(predvars, data, env) 中的错误：未找到对象“Rat”

并且，还有一种方法可以绘制根据每个估计生成的方程，即，从每只大鼠中，您有一组固定和随机的估计器，我如何绘制 lmer 为每只老鼠生成的方程（红色曲线）？

Answer 1

事实证明，使用 predict 比使用 broom.mixed::augment 更容易。

构建预测

（老鼠/国家/天数 0-150 的所有组合（天数达到 200 会导致一些极端的预测，超出垂直范围）

library(tidyverse)
dc <- distinct(dplyr::select(dat1, Rat, Country))
pframe <- (with(dat1,
                expand_grid(Rat = unique(Rat),
                            Day = 0:150))
  %>% full_join(dc, by = "Rat")
  %>% mutate(lVolume = predict(m1, newdata = .))
)

将数据和预测合并到一个数据框中（您不必这样做，但它使图例变得简单）

comb <- dplyr::bind_rows(list(data = dat1, model = pframe),
                       .id = "type")

情节：

ggplot(comb, aes(Day, exp(lVolume), colour = type)) +
  geom_point(alpha = 0.2) +
  geom_line(aes(group = interaction(type, Rat))) +
  scale_colour_manual(values = c("black", "red"))

---

重建数据：

dat0 <- list(
    list("rat1", vol=c(78,304,352,690,952,1250), days = c(89,110,117,124,131,138), country = "Chile"),
    list("rat2", vol=c(202,440,520,870,1380), days = c(75,89,96,103,110), country = "Chile"),
    list("rat3", vol=c(186,370,620,850,1150), days = c(75,89,96,103,110), country = "Chile"),
    list("rat4", vol=c(92,250,430,450,510,850,1000,1200), days = c(47,61,75,82,89,97,103,110), country = "England"),
    list("rat5", vol=c(110,510,710,1200), days = c(47,61,75,82), country = "England"),
    list("rat6", vol=c(115,380,480,540,560,850,1150,1350), days = c(47,61,75,82,89,97,103,110), country = "England"))

dat1 <- purrr::map_dfr(dat0,
                       ~ data.frame(Rat = .[[1]],
                                    lVolume = log(.$vol), Day = .$days,
                                    Country = .$country))
m1 <- lmer(lVolume ~ Country*Day + (1|Rat), data = dat1)