如何在具有多个预测变量的混合模型中绘制随机截距和斜率？答案

【问题标题】：How to plot random intercept and slope in a mixed model with multiple predictors?如何在具有多个预测变量的混合模型中绘制随机截距和斜率？
【发布时间】：2013-07-12 13:35:19
【问题描述】：

当混合模型有多个预测变量时，是否可以绘制其随机截距或斜率？

使用一个预测器，我会这样做：

#generate one response, two predictors and one factor (random effect)
resp<-runif(100,1, 100)
pred1<-c(resp[1:50]+rnorm(50, -10, 10),resp[1:50]+rnorm(50, 20, 5))
pred2<-resp+rnorm(100, -10, 10)
RF1<-gl(2, 50)

#gamm
library(mgcv)
mod<-gamm(resp ~ pred1, random=list(RF1=~1))
plot(pred1, resp, type="n")
for (i in ranef(mod$lme)[[1]]) {
abline(fixef(mod$lme)[1]+i, fixef(mod$lme)[2])
}

#lmer
library(lme4)
mod<-lmer(resp ~ pred1 + (1|RF1))
plot(pred1, resp, type="n")
for (i in ranef(mod)[[1]][,1]) {
abline(fixef(mod)[1]+i, fixef(mod)[2])
}

但是如果我有这样的模型呢？：

mod<-gamm(resp ~ pred1 + pred2, random=list(RF1=~1))

或者用 lmer

mod<-lmer(resp ~ pred1 + pred2 + (1|RF1))

我应该考虑所有系数还是只考虑我正在绘制的变量的系数？

谢谢

【问题讨论】：

基本上，您必须决定要对其他变量做什么。最常见的过程是为一个变量选择一个参考值（例如，pred2 等于其平均值）并绘制该值相对于pred1 的斜率。或者您可以选择pred2 的几个值并为每个值绘制一组（一组）线，可能在单独的子图中，或者（最丑）做3D 绘图和绘图平面resp~f(pred1,pred2)。
谢谢 Ben，对不起，但我不确定是否会关注你，“为一个变量选择参考值”到底是什么意思？在实践中你会怎么做？

标签： r plot mixed-models lmer random-effects

【解决方案1】：

## generate one response, two predictors and one factor (random effect)
set.seed(101)
resp <- runif(100,1,100)
pred1<- rnorm(100, 
           mean=rep(resp[1:50],2)+rep(c(-10,20),each=50),
           sd=rep(c(10,5),each=50))
pred2<- rnorm(100, resp-10, 10)

注意您可能不应该尝试拟合随机数对只有两个级别的分组变量的影响——这将几乎总是导致估计的随机效应方差为零，这反过来会将您预测的线条放在每个线条的顶部其他——我正在从gl(2,50) 切换到gl(10,10) ...

RF1<-gl(10,10)
d <- data.frame(resp,pred1,pred2,RF1)

#lmer
library(lme4)
mod <- lmer(resp ~ pred1 + pred2 + (1|RF1),data=d)

lme4的开发版有predict()功能这让这更容易一些......

预测pred1 的范围，pred2 等于其平均值，反之亦然。这一切都比它需要的要聪明一点是，因为它为两个焦点预测变量生成所有值并用 ggplot 一次性绘制它们...

()

nd <- with(d,
           rbind(data.frame(expand.grid(RF1=levels(RF1),
                      pred1=seq(min(pred1),max(pred1),length=51)),
                      pred2=mean(pred2),focus="pred1"),
                 data.frame(expand.grid(RF1=levels(RF1),
                      pred2=seq(min(pred2),max(pred2),length=51)),
                      pred1=mean(pred1),focus="pred2")))
nd$val <- with(nd,pred1[focus=="pred1"],pred2[focus=="pred2"])
pframe <- data.frame(nd,resp=predict(mod,newdata=nd))
library(ggplot2)
ggplot(pframe,aes(x=val,y=resp,colour=RF1))+geom_line()+
         facet_wrap(~focus,scale="free")

或者，只关注pred1 并为pred2 值的（小/离散）范围生成预测...

()

nd <- with(d,
           data.frame(expand.grid(RF1=levels(RF1),
                      pred1=seq(min(pred1),max(pred1),length=51),
                      pred2=seq(-20,100,by=40))))
pframe <- data.frame(nd,resp=predict(mod,newdata=nd))
ggplot(pframe,aes(x=pred1,y=resp,colour=RF1))+geom_line()+
         facet_wrap(~pred2,nrow=1)

您可能希望在最后一个 facet_wrap() 中设置 scale="free" ... 或使用facet_grid(~pred2,labeller=label_both)

对于演示，您可能希望替换 colour 美学，使用group，如果您只想区分组（即绘制单独的线）而不是识别它们......

【讨论】：

非常有帮助！谢谢