绘制平均模型（lm、glm 或 glmm）的预测模型结果

Question

我使用MuMIn::model.avg 对几个模型进行平均*，并且我对绘制条件（非完整）模型平均值的预测结果很感兴趣。我尝试了ggeffects::ggpredict 和sjPlot::plot_model，两者都只给出了完整的模型结果。 我可以使用predict() 获得预测的估计值，它可以选择是使用完整模型还是条件模型（使用full = False 表示条件）。但是，如果我声明se.fit = True 以获得标准错误，那么我会收到一条警告说'argument 'full' is ignored'，它会预测完整模型的结果。我也尝试在this 回答之后使用emmeans，但它也使用完整模型。

*简单线性 (lm) 和广义 (glm) 模型也会出现同样的问题。

有没有办法从条件平均模型及其 SE 或 CI 中获得预测结果？或者甚至更好，一种绘制它们的方法？

我不确定我的问题是统计问题（即我所问的问题无法统计完成）还是 R 问题。我希望这是第二个，但如果是第一个，我会感谢您的解释。

我没有添加数据，因为我认为它不相关，但如果需要，我可以添加。所有解释变量都是因子（如您在我的 NewData 数据框中所见）。

这是我尝试的几行代码：

m1 <- lm(A ~ B*C + d, data=df, na.action="na.fail")
dd1 <- dredge(m1, subset=Origin)
m1.avg <- model.avg(dd1, fit=TRUE)
plot_model(m1.avg, type="pred", terms=c("B", "C", "d"))

NewData <- data.frame(B=c(rep(c("b1", "b2"), 6)), 
                      D=c(rep("d1", 6), rep("d2", 6)), 
                      C=c(rep(c("C1", "C1", "C3", "C3", "C5", "C5"), 2)))
cbind(NewData, pre=predict(m1.avg, newdata=NewData, full=F, se.fit=T))

Answer 1

我尝试将选项full 添加到emmeans 对averaging 对象的支持中，而不是让它强制full = TRUE。这是model.avg 的第一个示例发生的情况：

require(MuMIn)
## Loading required package: MuMIn
require(emmeans)
## Loading required package: emmeans

# Example from Burnham and Anderson (2002), page 100:
fm1 <- lm(y ~ ., data = Cement, na.action = na.fail)
ms1 <- dredge(fm1)
## Fixed term is "(Intercept)"
ma = model.avg(ms1, subset = delta < 4, fit = TRUE)

confint(ref_grid(ma, data = Cement, full = TRUE))
##    X1   X2   X3 X4 prediction   SE df lower.CL upper.CL
##  7.46 48.2 11.8 30         98 4.12  9     88.7      107
## 
## Confidence level used: 0.95

confint(ref_grid(ma, data = Cement, full = FALSE))
## Warning in sqrt(.qf.non0(object@V, x)): NaNs produced
##    X1   X2   X3 X4 prediction  SE df lower.CL upper.CL
##  7.46 48.2 11.8 30         98 NaN  9      NaN      NaN
## 
## Confidence level used: 0.95

^{由reprex package (v2.0.0) 于 2022-01-06 创建}

问题在于full = FALSE，返回的协方差矩阵不一定是正定的：

eigen(vcov(ma, full = FALSE))
## eigen() decomposition
## $values
## [1] 494.70528609   0.07488847   0.04051689  -0.01407614  -0.14314881
## 
## $vectors
##              [,1]        [,2]         [,3]        [,4]        [,5]
## [1,]  0.999708163  0.01281974  0.004187958 -0.00648858 -0.01896318
## [2,] -0.004861364  0.86884310  0.042589117 -0.24907880  0.42571582
## [3,] -0.002164749 -0.11468216 -0.696686782 -0.70017769 -0.10593418
## [4,] -0.008651137 -0.14293079  0.715383269 -0.66298278 -0.16785875
## [5,] -0.021918654  0.45974571 -0.031983342  0.09012598 -0.88261420

某些特征值为负的事实意味着我们获得了回归系数的某些线性函数的负方差估计。这是允许条件估计的交易破坏者。

[注意：ref_grid() 的full 选项只是临时添加的； emmeans]

的任何版本都没有此功能