Diagramme zur Veranschaulichung der Ergebnisse des linearen Mischeffektmodells


11

Ich habe einige Daten mithilfe der linearen Mischeffektmodellierung in R analysiert. Ich habe vor, ein Poster mit den Ergebnissen zu erstellen, und ich habe mich nur gefragt, ob jemand, der Erfahrung mit Mischeffektmodellen hat, vorschlagen könnte, welche Diagramme zur Veranschaulichung der Ergebnisse verwendet werden sollen Modell. Ich dachte über Residuendiagramme, Diagramm angepasster Werte gegen Originalwerte usw. nach.

Ich weiß, dass dies sehr stark von meinen Daten abhängt, aber ich habe nur versucht, ein Gefühl dafür zu bekommen, wie die Ergebnisse linearer Mischeffektmodelle am besten dargestellt werden können. Ich verwende das nlme-Paket in R.

Vielen Dank


3
Das Buch von Pinheiro und Bates enthält mehrere Beispiele. Sie können sich §4.3, "Untersuchen eines angepassten Modells" ansehen.
Sergio

Antworten:


22

Es hängt von Ihrem Modell ab, aber meiner Erfahrung nach mögen es sogar Kollegen, die kein gutes Verständnis für Modelle mit gemischten Effekten haben, wirklich, wenn Sie die Vorhersagen mit verschiedenen Gruppierungsebenen zeichnen:

library(nlme)
fm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1|Subject)

newdat <- expand.grid(Sex=unique(Orthodont$Sex),
                  age=c(min(Orthodont$age),
                            max(Orthodont$age)))

library(ggplot2)
p <- ggplot(Orthodont, aes(x=age, y=distance, colour=Sex)) +
  geom_point(size=3) +
  geom_line(aes(y=predict(fm2), group=Subject, size="Subjects")) +
  geom_line(data=newdat, aes(y=predict(fm2, level=0, newdata=newdat), size="Population")) +
  scale_size_manual(name="Predictions", values=c("Subjects"=0.5, "Population"=3)) +
  theme_bw(base_size=22) 
print(p)

Geben Sie hier die Bildbeschreibung ein


@ Roland, danke für deine Antwort. Mein Modell ist ein lineares Mischeffektmodell, das unabhängige und abhängige Variablen mit einigen Kovariaten enthält.
John_dydx

@ Roland, kann ich nur fragen ob fm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1|Subject)das das gleiche ist wie fm3 <- lme(distance ~ age*Sex, data = Orthodont, random = ~ 1|Subject) . Ich versuche, Sex als Kovariate für das Modell zu verwenden.
John_dydx

Nein age * Sexist dasselbe wie age + Sex + age:Sex, dh es beinhaltet die Interaktion.
Roland

1
Ja natürlich. Sie müssten entfernen colour=Sex.
Roland

1
Ja, aber das ist die grundlegende Funktion von ggplot2. Lesen Sie die Dokumentation und Tutorials. Vielleicht möchten Sie verwenden scale_colour_manual.
Roland
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.