Broom.mixed exp模型预测

Question

我想寻求一些帮助，从我的模型绘制预测值，以及由lmer()的估计生成的方程。

所以，我所掌握的数据是不同的老鼠在不同的日子里的体积。每只老鼠都有不同的时间点来测量这个体积。

那么，我使用的模型是：

 m1 <- lmer(lVolume ~ Country*Day + (1|Rat))

我这样做是因为我对exp(fitted)值感兴趣，然后得到这个模型的指数方法，而不是使用非线性混合效应模型(暂时)。

为了绘制该模型的预测结果，我的尝试是：

m1%>% 
  augment() %>% 
  clean_names() %>% 
  ggplot(data = .,
         mapping = aes(x = day,
                       y = exp(l_volume),
                       group = rat)) +
  geom_point(alpha = 0.5) +
  geom_line(alpha = 0.5) +
  geom_point(aes(y = exp(fitted)),
             color = "red") + 
  geom_line(aes(y = exp(fitted)),
            color = "red") + 
  expand_limits(x = 0 , y = 0)

这里我画了更多的老鼠，但是，正如你所看到的，(0,0)离lmer的预测太远了。我想知道如何绘制我的模型正在生成的预测，以查看(0,200)中的点。从这里开始，我尝试了一个提示，创建了一个新的数据框架，然后用rats (m1，newdata = new_df)绘制了图，但是我不知道如何创建这个数据框架，因为我有20个老鼠，我不知道如何将其扩展到预测()。

我的尝试：

pframe <- data.frame(Day=seq(0, 200, length.out=101))

pframe$continuous_outcome <- predict(m1, newdata = pframe, level = 0)
ggplot(data, aes(Day,lVolume)) + 
  geom_point() +
  geom_line(data=pframe)

但我有个错误：

错误(predvars，data，env)：找不到对象“大鼠”

另外，是否也有一种方法来绘制你从每一次估计中生成的方程，也就是说，从每只老鼠身上，你有一组固定和随机的估计器，我如何绘制lmer为每只老鼠生成的方程(红色曲线)？

Answer 1

事实证明，使用predict比使用broom.mixed::augment更容易。

构造预测

(鼠/国/日的所有组合- 0-150天(每天最多200天，导致一些极端预测，破坏了垂直尺度)

library(tidyverse)
dc <- distinct(dplyr::select(dat1, Rat, Country))
pframe <- (with(dat1,
                expand_grid(Rat = unique(Rat),
                            Day = 0:150))
  %>% full_join(dc, by = "Rat")
  %>% mutate(lVolume = predict(m1, newdata = .))
)

将数据和预测合并到一个数据框架中(您不必这样做，但它使图例变得简单)

comb <- dplyr::bind_rows(list(data = dat1, model = pframe),
                       .id = "type")

情节：

ggplot(comb, aes(Day, exp(lVolume), colour = type)) +
  geom_point(alpha = 0.2) +
  geom_line(aes(group = interaction(type, Rat))) +
  scale_colour_manual(values = c("black", "red"))

重建数据：

dat0 <- list(
    list("rat1", vol=c(78,304,352,690,952,1250), days = c(89,110,117,124,131,138), country = "Chile"),
    list("rat2", vol=c(202,440,520,870,1380), days = c(75,89,96,103,110), country = "Chile"),
    list("rat3", vol=c(186,370,620,850,1150), days = c(75,89,96,103,110), country = "Chile"),
    list("rat4", vol=c(92,250,430,450,510,850,1000,1200), days = c(47,61,75,82,89,97,103,110), country = "England"),
    list("rat5", vol=c(110,510,710,1200), days = c(47,61,75,82), country = "England"),
    list("rat6", vol=c(115,380,480,540,560,850,1150,1350), days = c(47,61,75,82,89,97,103,110), country = "England"))

dat1 <- purrr::map_dfr(dat0,
                       ~ data.frame(Rat = .[[1]],
                                    lVolume = log(.$vol), Day = .$days,
                                    Country = .$country))
m1 <- lmer(lVolume ~ Country*Day + (1|Rat), data = dat1)