绘制 lmer 纵向分析的预测值

Question

我正在使用 lme4 包 (lmer function) 和 3 Levels 分析一些纵向数据：嵌套在家庭中的个人中的测量点。我对围绕特定生活事件的线性和非线性变化曲线感兴趣。我的模型有很多时间预测变量（表示事件发生前后的线性变化，并表示事件发生前后的非线性变化（即时间变量的平方））。此外，我有几个不随时间变化的 2 级预测变量（即人格特征）和一些控制变量（例如年龄、性别）。到目前为止，我没有包含任何随机斜率或跨级别交互。

这是我的模型代码：

model.RI <- lmer(outcome ~ time + female_c + age_c + age_c2 + preLin + preLin.sq + postLin + postLin.sq + per1.c + per2.c + per3.c + per4.c + per5.c + (1 | ID) +  (1 | House))

结果 = 我的因变量

time = year 1, year 2, year 3 ... (until year 9);这个变量象征着某种测试效果

female_c = gender centered

age_c = age centered

age_c2 = age squared centered

preLin = time variable 表示事件发生的时间（此变量在事件发生后为 0，为 -1，例如事件提前一年，-2 事件提前两年等）

preLin.sq = squared values of preLin

postLin = time variable表示事件发生后的时间（该变量在事件发生前为0，在事件发生后增加；例如在事件发生一年后为+1）

postLin.sq = squared values of postLin

per1.c until per5.c = personality traits on Level 2 (centered)

ID = indicating the individuum

House = indicating the household

我想知道如何绘制这个 lmer 模型的预测值（例如，使用 ggplot2？）。我已经使用 R 中的method=gam 绘制了变化曲线。这是一种相当数据驱动的方法来检查数据，而无需预先定义曲线是线性的还是二次的或其他。我现在想检查我的参数 lmer 模型是否与我已经拥有的数据驱动的gam-plot 具有可比性。你有什么建议吗？

我很乐意在这方面得到一些帮助！也请随时问我是否对我想要做什么的解释不够准确！

非常感谢！

Follow this link: This is how my gam-plot looks like and I hope to get something similar when plotting the predicted values of my lmer model!

Answer 1

您可以使用ggeffects-package 中的ggpredict() 函数。如果您想绘制时间的预测值 (preLin)，您只需编写：

ggpredict(model.RI, "preLin")

函数返回一个数据框（见articles），可以在ggplot中使用，也可以直接绘制结果：

ggpredict(model.RI, "preLin") %>% plot()

或

p <- ggpredict(model.RI, "preLin")
plot(p)

您也可以使用sjPlot-package，但是，对于边际效应/预测值，sjPlot::plot_model()-函数内部只调用ggeffects::ggpredict()，因此结果基本相同。

您的模型的另一个注意事项：如果您有纵向数据，您还应该将时间变量包括为随机斜率。我不确定postLin 究竟是如何指代preLin，但如果preLin 捕获了您的所有测量值，您至少应该这样编写模型：

model.RI <- lmer(
  outcome ~ time + female_c + age_c + age_c2 + preLin + preLin.sq + 
  postLin + postLin.sq + per1.c + per2.c + per3.c + per4.c + per5.c + 
  (1 + preLin | ID) +  (1 + preLin | House)
)

如果您还假设每个人的二次趋势 (ID)，您甚至可以将平方项添加为随机斜率。

正如您的图形示例建议使用样条线，您也可以试试这个：

library(splines)
model.RI <- lmer(
  outcome ~ time + female_c + age_c + age_c2 + bs(preLin) 
  postLin + postLin.sq + per1.c + per2.c + per3.c + per4.c + per5.c + 
  (1 + preLin | ID) +  (1 + preLin | House)
)
p <- ggpredict(model.RI, "preLin")
plot(p)

我上面提到的网站上也演示了样条的示例。

编辑： 另一个注意事项与嵌套有关：您当前正在对完全交叉或交叉分类的模型进行建模。如果它完全嵌套，随机部分将如下所示：

... + (1 + preLin | House / ID)

（另见this small code-example）。