Plot untuk menggambarkan hasil model efek campuran linier

13

Saya telah menganalisis beberapa data menggunakan pemodelan efek campuran linier dalam R. Saya berencana untuk membuat poster dengan hasilnya dan saya hanya ingin tahu apakah ada yang berpengalaman dengan model efek campuran dapat menyarankan plot mana yang akan digunakan dalam menggambarkan hasil dari model. Saya sedang memikirkan tentang plot sisa, plot nilai pas vs nilai asli, dll.

Saya tahu ini akan sangat tergantung pada data saya, tetapi saya hanya mencoba merasakan cara terbaik untuk menggambarkan hasil model efek campuran linier. Saya menggunakan paket nlme di R.

Terima kasih

John_dydx
sumber
3
Buku karya Pinheiro dan Bates berisi beberapa contoh. Anda dapat melihat §4.3, "Memeriksa Model yang Dipasang".
Sergio
3
Utas ini mungkin dapat membantu juga: Apa yang akan menjadi gambaran ilustrasi untuk model campuran linier?
usεr11852

Jawaban:

22

Itu tergantung pada model Anda, tetapi, dalam pengalaman saya, bahkan kolega, yang tidak memiliki pemahaman yang baik tentang model efek campuran, sangat suka jika Anda merencanakan prediksi dengan tingkat pengelompokan yang berbeda:

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)

masukkan deskripsi gambar di sini

Roland
sumber
@ Roland, terima kasih atas jawaban Anda. Model saya adalah model efek campuran linier yang mengandung variabel independen dan dependen dengan beberapa kovariat.
John_dydx
@ Roland, bisakah saya bertanya apakah fm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1|Subject)sama dengan fm3 <- lme(distance ~ age*Sex, data = Orthodont, random = ~ 1|Subject) . Saya mencoba menggunakan Seks sebagai kovariat untuk model.
John_dydx
Tidak age * Sexsama dengan age + Sex + age:Sex, yaitu termasuk interaksi.
Roland
1
Ya tentu saja. Anda harus menghapus colour=Sex.
Roland
1
Ya, tapi itulah fungsionalitas dasar ggplot2. Pelajari dokumentasi dan tutorialnya. Anda mungkin ingin menggunakan scale_colour_manual.
Roland