我们已经学习了如何处理混合效应模型。本文的重点是如何建立和可视化 混合效应模型的结果。
设置
本文使用数据集,用于探索草食动物种群对珊瑚覆盖的影响。
1. knitr::opts_chunk$set(echo = TRUE)
2.
3. library(tidyverse) # 数据处理
4. library(lme4) # lmer glmer 模型
5.
6.
7.
8. me_data <- read_csv("mixede.csv")
创建一个基本的混合效应模型:
该模型以珊瑚覆盖层为因变量(elkhorn_LAI),草食动物种群和深度为固定效应(c。 urchinden,c.fishmass,c.maxD)和调查地点作为随机效应(地点)。
。
注意:由于食草动物种群的测量规模存在差异,因此我们使用标准化的值,否则模型将无法收敛。我们还使用了因变量的对数。我正在根据这项特定研究对数据进行分组。
summary(mod)
1. ## Linear mixed model fit by maximum likelihood ['lmerMod']
2.
3. ##
4. ## AIC BIC logLik deviance df.resid
5. ## 116.3 125.1 -52.1 104.3 26
6. ##
7. ## Scaled residuals:
8. ## Min 1Q Median 3Q Max
9. ## -1.7501 -0.6725 -0.1219 0.6223 1.7882
10. ##
11. ## Random effects:
12. ## Groups Name Variance Std.Dev.
13. ## site (Intercept) 0.000 0.000
14. ## Residual 1.522 1.234
15. ## Number of obs: 32, groups: site, 9
16. ##
17. ## Fixed effects:
18. ## Estimate Std. Error t value
19. ## (Intercept) 10.1272 0.2670 37.929
20. ## c.urchinden 0.5414 0.2303 2.351
21. ## c.fishmass 0.4624 0.4090 1.130
22. ## c.maxD 0.3989 0.4286 0.931
23. ##
24. ## Correlation of Fixed Effects:
25. ## (Intr) c.rchn c.fshm
26. ## c.urchinden 0.036
27. ## c.fishmass -0.193 0.020
28. ## c.maxD 0.511 0.491 -0.431
29. ## convergence code: 0
30. ## boundary (singular) fit: see ?isSingular
绘制效应大小图:
如果您有很多固定效应,这很有用。
plot(mod)
效应大小的格式化图:
让我们更改轴标签和标题。
- # 注意:轴标签应按从下到上的顺序排列。
- # 要查看效应大小和p值,设置show.values和show.p= TRUE。只有当效应大小的值过大时,才会显示P值。
- title="草食动物对珊瑚覆盖的影响")
模型结果表输出:
创建模型摘要输出表。这将提供预测变量,包括其估计值,置信区间,估计值的p值以及随机效应信息。
tab(mod)
格式化表格
- # 注:预测标签(pred.labs)应从上到下排列;dv.labs位于表格顶部的因变量的名称。
- pred.labels =c("(Intercept)", "Urchins", "Fish", "Depth"),
用数据绘制模型估计
我们可以在实际数据上绘制模型估计值!我们一次只针对一个变量执行此操作。注意:数据已标准化以便在模型中使用,因此我们绘制的是标准化数据值,而不是原始数据
步骤1:将效应大小估算值保存到data.frame中
1. # 使用函数。 term=固定效应,mod=你的模型。
2.
3. effect(term= "c.urchinden", mod= mod)
4. summary(effects) #值的输出
5. ##
6. ## c.urchinden effect
7. ## c.urchinden
8. ## -0.7 0.4 2 3 4
9. ## 9.53159 10.12715 10.99342 11.53484 12.07626
10. ##
11. ## Lower 95 Percent Confidence Limits
12. ## c.urchinden
13. ## -0.7 0.4 2 3 4
14. ## 8.857169 9.680160 10.104459 10.216537 10.306881
15. ##
16. ## Upper 95 Percent Confidence Limits
17. ## c.urchinden
18. ## -0.7 0.4 2 3 4
19. ## 10.20601 10.57414 11.88238 12.85314 13.84563
20. # 将效应值另存为df:
21. x <- as.data.frame(effects)
步骤2:使用效应值df绘制估算值
如果要保存基本图(仅固定效应和因变量数据),可以将其分解为单独的步骤。注意:对于该图,我正在基于此特定研究对数据进行分组。
1. #基本步骤:
2. #1创建空图
3.
4. #2 从数据中添加geom_points()
5.
6. #3 为模型估计添加geom_point。我们改变颜色,使它们与数据区分开来
7.
8. #4 为MODEL的估计值添加geom_line。改变颜色以配合估计点。
9.
10. #5 添加具有模型估计置信区间的geom_ribbon
11.
12. #6 根据需要编辑标签!
13.
14. #1
15. chin_plot <- ggplot() +
16. #2
17. geom_point(data , +
18. #3
19. geom_point(data=x_, aes(x= chinde, y=fit), color="blue") +
20. #4
21. geom_line(data=x, aes(x= chinde, y=fit), color="blue") +
22. #5
23. geom_ribbon(data= x , aes(x=c.urchinden, ymin=lower, ymax=upper), alpha= 0.3, fill="blue") +
24. #6
25. labs(x="海胆(标准化)", y="珊瑚覆盖层")
26.
27. chin_plot