如何绘制泊松 GLMM 的预测值答案

【问题标题】：How to plot predicted value for poisson GLMM如何绘制泊松 GLMM 的预测值
【发布时间】：2018-05-30 03:25:08
【问题描述】：

我已使用 lme4 包中的 glmer 拟合模型。我使用以下代码拟合模型。

  GLMmmia.4<- glmer(Total_abun ~
                      EC+ DO_sat  + TP+   
                        Vegetationcover  +(1 | Season), data=wetlandmacro , family=poisson,  control=lmerControl(optimizer="bobyqa",optCtrl=list(maxfun=2e4)))

> summary(GLMmmia.4)
Generalized linear mixed model fit by maximum likelihood (Laplace
  Approximation) [glmerMod]
 Family: poisson  ( log )
Formula: 
Total_abun ~ EC + DO_sat + TP + Vegetationcover + (1 | Season)
   Data: wetlandmacro
Control: 
lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 20000))

     AIC      BIC   logLik deviance df.resid 
  4817.3   4833.1  -2402.6   4805.3       98 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-9.8730 -4.4156 -0.4338  3.1763 19.4737 

Random effects:
 Groups Name        Variance Std.Dev.
 Season (Intercept) 0.009201 0.09592 
Number of obs: 104, groups:  Season, 2

Fixed effects:
                  Estimate Std. Error z value Pr(>|z|)    
(Intercept)      5.0118238  0.0931197   53.82  < 2e-16 ***
EC              -0.0011036  0.0001632   -6.76 1.34e-11 ***
DO_sat          -0.0009736  0.0003168   -3.07  0.00211 ** 
TP               0.2050763  0.0422935    4.85 1.24e-06 ***
Vegetationcover -0.0015678  0.0005251   -2.99  0.00283 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
            (Intr) EC     DO_sat TP    
EC          -0.392                     
DO_sat      -0.521  0.313              
TP          -0.021  0.155 -0.167       
Vegetatncvr -0.617  0.293  0.606 -0.142

感谢任何帮助将响应变量（物种丰度）的预测值绘制为每个固定效应（环境变量）的函数

【问题讨论】：

标签： r

【解决方案1】：

您可以为每个固定效果分别使用plot 和fitted。举个例子： plot(fitted(GLMmmia.4)~EC)

【讨论】：

感谢您的回答，但我在 (function (formula, data = NULL, subset = NULL, na.action = na.fail, : variable lengths different (found for 'EC')中出现错误)
我想您的一个或多个固定效果中存在缺失值。如果是这样，您将有不同长度的拟合和固定效应（示例中的 EC）值，并且该图将不起作用。我认为您应该在模型中添加“na.action=na.exclude”。该函数将在预测值中插入 NA，但我确信在这种情况下该函数的机制。