線形混合効果モデルの結果を示すプロット


13

私はRで線形混合効果モデリングを使用していくつかのデータを分析しています。私は結果をポスターに含めることを計画しています。モデル。残差プロット、フィット値と元の値のプロットなどについて考えていました。

これは私のデータに大きく依存することはわかっていますが、線形混合効果モデルの結果を説明するための最良の方法を感じようとしていました。Rでnlmeパッケージを使用しています。

ありがとう


3
ピニェイロとベイツの本にはいくつかの例が含まれています。§4.3「適合モデルの調査」をご覧ください。
セルジオ

3
このスレッドもおそらく役立つでしょう:線形混合モデルの実例となる画像は何でしょうか?
usεr11852

回答:


22

それはあなたのモデルに依存しますが、私の経験では、混合効果モデルについて十分に理解していない同僚でさえ、異なるグループ化レベルで予測をプロットする場合と同様に、次のようになります。

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)

ここに画像の説明を入力してください


@ローランド、あなたの答えをありがとう。私のモデルは、いくつかの共変量を持つ独立変数と従属変数を含む線形混合効果モデルです。
John_dydx

@ローランド、私はと同じかどうか尋ねてもいいfm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1|Subject)ですかfm3 <- lme(distance ~ age*Sex, data = Orthodont, random = ~ 1|Subject) 。Sexをモデルの共変量として使用しようとしています。
John_dydx

いいえage * Sexはと同じage + Sex + age:Sexです。つまり、相互作用が含まれます。
ローランド

1
はい、もちろん。削除する必要がありcolour=Sexます。
ローランド

1
はい、しかしそれは基本的なggplot2の機能です。ドキュメントとチュートリアルを学習します。使用したいかもしれませんscale_colour_manual
ローランド
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.