分段lme回归(sjPlot)的解释与绘制

Question

我在R中运行线性混合效应回归( LME )，其中节点由诊断时间(t=0)决定。所以现在的模式是：

lme(function ~ age+sex+timepre*marker+timepost*marker, random=~time|ID, data=data)

因此: timepre是来自t=0的所有东西都是0，在此之前是0时间，而timepost是诊断前的所有东西都是0，而在诊断之后是0+time。时间是timepre和timepost的结合。

现在，我想使用sjPlot库来绘制这些效果，因为它很好地给出了预测值(修正为协变量)，并将其作为一个可以在t=0上看到结的图。

plot_model(model, type="int")

相反，它正在绘制两个不同的情节，一个为每个互动。有没有办法将这些地块组合起来，使前后的坡度结合起来(现在截取的坡度也不同了)？或者我该怎么做？

​

​

更新：

在搜索了更多之后，我发现了一个建议，即使用样条来代替两个单独的时间框架。所以，我现在尝试的是：

lme(function ~ age+sex+bs(time, knots=0, degree=1)*marker, random=~time|ID, data=data)

我可以用visreg库来绘制这个图，而且我似乎得到了零的结：

​

​

这是正确的吗？我是否正确地认为这些系数应解释如下：

bs(time, knots = 0, degree = 1)1:marker  12.055090  p= 0.0004
bs(time, knots = 0, degree = 1)2:marker  13.750058  p= 0.0133

第一个coeff (12.055和p-值0.0004)表示第一个斜率(结之前)的变化，作为标记水平的函数？第二个coeff (13.75，p-值0.013)表示第一斜率和第二斜率之间的差异，作为标记的函数？那么，如何知道在第二个斜率的变化是否显着作为一个标志的功能？

Answer 1

你不需要为你的时间变量使用样条，特别是如果你只有两个时间点，你不能拟合这两个点之间的任何曲线。因此，您的模型将是：

lme(function ~ age + sex + time * marker, random=~time|ID, data=data)

然后，您可以使用plot_model(model, type = "int")查看两个时间点之间的交互和差异。或者您可以使用ggeffects包，它甚至更灵活一些。

如果time变量有两个以上的时间点，那么使用poly()或样条可能是有意义的。对于ggeffects，有一个包括多项式项这里 (和一般介绍这里)的实用示例。

对于上面的例子：

library(ggeffects)
m <- lme(function ~ age+sex+bs(time, knots=0, degree=1)*marker, random=~time|ID, data=data)
pred <- ggpredict(m, c("time", "marker"))
plot(pred)