我们已经学习了如何处理混合效应模型。本文的重点是如何建立和_可视化_ 混合效应模型的结果。
设置
本文使用数据集,用于探索草食动物种群对珊瑚覆盖的影响。
knitr::opts_chunk$set(echo = TRUE) library(tidyverse) # 数据处理 library(lme4) # lmer glmer 模型 me_data <- read_csv("mixede.csv")
创建一个基本的混合效应模型:
该模型以珊瑚覆盖层为因变量(elkhorn_LAI),草食动物种群和深度为固定效应(c。 urchinden,c.fishmass,c.maxD)和调查地点作为随机效应(地点)。
。
注意:由于食草动物种群的测量规模存在差异,因此我们使用标准化的值,否则模型将无法收敛。我们还使用了因变量的对数。我正在根据这项特定研究对数据进行分组。
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.maxD 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
绘制效应大小图:
如果您有很多固定效应,这很有用。
-
plot(mod)
效应大小的格式化图:
让我们更改轴标签和标题。
# 注意:轴标签应按从下到上的顺序排列。 # 要查看效应大小和p值,设置show.values和show.p= TRUE。只有当效应大小的值过大时,才会显示P值。 title="草食动物对珊瑚覆盖的影响")
模型结果表输出:
创建模型摘要输出表。这将提供预测变量,包括其估计值,置信区间,估计值的p值以及随机效应信息。
tab(mod)
格式化表格
# 注:预测标签(pred.labs)应从上到下排列;dv.labs位于表格顶部的因变量的名称。 pred.labels =c("(Intercept)", "Urchins", "Fish", "Depth"),
用数据绘制模型估计
我们可以在实际数据上绘制模型估计值!我们一次只针对一个变量执行此操作。注意:数据已标准化以便在模型中使用,因此我们绘制的是标准化数据值,而不是原始数据
步骤1:将效应大小估算值保存到data.frame中
# 使用函数。 term=固定效应,mod=你的模型。 effect(term= "c.urchinden", mod= mod) summary(effects) #值的输出
## ## 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
# 将效应值另存为df: x <- as.data.frame(effects)
步骤2:使用效应值df绘制估算值
如果要保存基本图(仅固定效应和因变量数据),可以将其分解为单独的步骤。注意:对于该图,我正在基于此特定研究对数据进行分组。
#基本步骤: #1创建空图 #2 从数据中添加geom_points() #3 为模型估计添加geom_point。我们改变颜色,使它们与数据区分开来 #4 为MODEL的估计值添加geom_line。改变颜色以配合估计点。 #5 添加具有模型估计置信区间的geom_ribbon #6 根据需要编辑标签! #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="海胆(标准化)", y="珊瑚覆盖层") chin_plot