根据模型平均结果进行预测: MuMIn

Question

提前感谢大家的帮助。

我想从我的模型平均结果中产生一个类似于下面的图。此图是使用effects包中的effect()函数从单个模型生成的。

Desired plot outcome

据我所知，这不能从model.avg()函数的模型平均结果中实现，所以我尝试通过首先预测我的模型平均结果，然后创建图来实现类似的结果。

我已经用这个data构建了两个模型

igm_20 <- glmmTMB(igm_pres ~  fRHDV2_arrive_cat + fseason + sage + save_ajust_abun + fseason*fRHDV2_arrive_cat + (1 | fsite), data = test, family = binomial)
igm_21 <- glmmTMB(igm_pres ~  fRHDV2_arrive_cat + fseason + sage + save_ajust_abun + fseason*fRHDV2_arrive_cat + sage*fRHDV2_arrive_cat + (1 | fsite), data = test, family = binomial)

我可以像这样计算这些模型的平均值：

mod_ave_list_1 <- list(igm_20, igm_21)
mod_ave_1 <- model.avg(mod_ave_list_1, rank = AICc)
s1 <- summary(mod_ave_1)

然后，我尝试从提供的数据集test中的每个fseason*fRHDV2_arrive_cat组合的模型平均结果中进行预测

a <- as.data.frame(c("Summer", "Autumn", "Winter", "Spring", "Summer", "Autumn", "Winter", "Spring"))
a$fRHDV2_arrive_cat <- c("Pre-arrival", "Post-arrival", "Pre-arrival", "Post-arrival", "Pre-arrival", "Post-arrival", "Pre-arrival", "Post-arrival")
colnames(a) <- c("fseason", "fRHDV2_arrive_cat")

predict(mod_ave_1, full = TRUE, backtransform = TRUE, newdata = a, se.fit = TRUE)

如果我不包含newdata = a，则预测函数可以正常运行，因此，我认为我提供给newdata的数据帧的结构不正确。

如果有人能够帮助我正确地构建newdata，以便我能够为每种fseason*fRHDV2_arrive_cat组合生成预测，我将不胜感激？我相信，一旦我有了预测，我就可以产生所需的情节。

我的情况与另一个帖子(here)中描述的非常相似，但仍未得到回复。上面我已经描述了我试图通过另一种方式实现类似的情节。我还注意到还有其他类似的帖子，比如here；我发现这些帖子对我的情况没有帮助。

Answer 1

您的newdata必须包括模型使用的所有解释变量，但目前没有。

预测所需的变量：

all.vars(formula(mod_ave_1)[-2]) # extracts all names from formula minus response
# [1] "fRHDV2_arrive_cat" "fseason"           "sage"              "save_ajust_abun"  

新数据中的变量：

colnames(a)
# [1] "fseason"           "fRHDV2_arrive_cat"