解释和绘制分段 lme 回归 (sjPlot)

Question

我在 R 中运行 LME（线性混合效应回归），其中节点由诊断时间 (t=0) 确定。所以模型现在是：

lme(function ~ age+sex+timepre*marker+timepost*marker, random=~time|ID, data=data)

因此：timepre 是从 t=0 开始的所有内容为 0 且在此之前为 0-time 的地方，而 timepost 是在诊断之前为 0 且之后为 0+time 的所有内容。 时间是 timepre 和 timepost 的组合。

我现在想使用 sjPlot 库绘制这些影响，因为它很好地给出了预测值（已针对协变量进行了校正），并将其作为可以在 t=0 处看到结的图。

plot_model(model, type="int")

相反，它绘制了两个不同的图，一个用于每个交互。有没有办法将这些图组合起来，使之前和之后的斜率结合在一起（现在截距也不同了）？或者我应该怎么做？

更新：

在谷歌搜索更多之后，我发现了使用样条线而不是两个单独的时间框架的建议。 所以，我现在尝试的是：

lme(function ~ age+sex+bs(time, knots=0, degree=1)*marker, random=~time|ID, data=data)

我可以用 visreg 库来绘制这个图，而且我似乎确实在零处得到了结：

这是正确的吗？ 我是否正确认为系数应解释如下：

bs(time, knots = 0, degree = 1)1:marker  12.055090  p= 0.0004
bs(time, knots = 0, degree = 1)2:marker  13.750058  p= 0.0133

第一个系数（12.055 和 p 值 0.0004）表示第一个斜率（在结之前）随标记水平的变化？ 第二个系数（13.75，p 值为 0.013）表示第一个和第二个斜率之间的差异作为标记的函数？ 那么如何知道第二个斜率的变化作为标记的函数是否显着？

Answer 1

你不需要为你的时间变量使用样条曲线，特别是如果你只有两个时间点，你不能在这两个点之间拟合任何曲线。因此，您的模型将是：

lme(function ~ age + sex + time * marker, random=~time|ID, data=data)

然后您可以使用plot_model(model, type = "int") 查看两个时间点之间的交互和差异。或者你可以使用 ggeffects 包，它更加灵活。

如果time 变量有两个以上的时间点，那么使用poly() 或样条线可能是有意义的。对于ggeffects，有一个包含多项式项的实际示例here（以及一般介绍here）。

对于你上面的例子：

library(ggeffects)
m <- lme(function ~ age+sex+bs(time, knots=0, degree=1)*marker, random=~time|ID, data=data)
pred <- ggpredict(m, c("time", "marker"))
plot(pred)