我使用lme4::lmer()计算了线性混合效应模型,该模型在使用mice包进行多重插补处理后得出。对于这些lmer对象,我想应用ggeffects::ggeffect()获取边际效应,并为平均值、+1sd和-1sd绘制图形。
对于lm对象,pool_predictions函数似乎非常适合并能够很好地工作;然而,对于lmer对象,ggeffect()函数不起作用。由于某种原因,ggpredict()工作,但我想获取的是边际效应,而不是条件效应。
以下是我从pool_predictions()参考中修改的最小可重现示例(混合模型没有意义,仅用于创建示例):
对于lm对象,pool_predictions函数似乎非常适合并能够很好地工作;然而,对于lmer对象,ggeffect()函数不起作用。由于某种原因,ggpredict()工作,但我想获取的是边际效应,而不是条件效应。
以下是我从pool_predictions()参考中修改的最小可重现示例(混合模型没有意义,仅用于创建示例):
if (!require("pacman")) install.packages("pacman")
pacman::p_load(mice,stats,lme4,ggeffects)
data("nhanes2")
#First, the working example from the pool_predictions() reference, using an lm object and ggpredict():
imp <- mice(nhanes2, printFlag = FALSE)
predictions1 <- lapply(1:5, function(i) {
m1 <- lm(bmi ~ age + hyp + chl, data = complete(imp, action = i))
ggpredict(m1, "age")
})
pool_predictions(predictions1)
#Now the same example, but using ggeffect() on the lm object, which also works:
predictions2 <- lapply(1:5, function(i) {
m2 <- lm(bmi ~ age + hyp + chl, data = complete(imp, action = i))
ggeffect(m2, "age")
})
pool_predictions(predictions2)
#It also seems to work for lmer objects, at least when using ggpredict():
predictions3 <- lapply(1:5, function(i) {
m3 <- lmer(bmi ~ age + chl + (1|hyp), data = complete(imp, action = i))
ggpredict(m3, "age")
})
pool_predictions(predictions3)
#But when I use ggeffect() instead of ggpredict(), this doesn't work anymore for lmer objects.
predictions4 <- lapply(1:5, function(i) {
m4 <- lmer(bmi ~ age + chl + (1|hyp), data = complete(imp, action = i))
ggeffect(m4, "age")
})
pool_predictions(predictions4)
有人知道为什么会出现这种情况吗?或者有什么提示可以让我获取我的lmer对象的池化边际效应吗?
非常感谢!
安特耶