使用 ggeffects() 在原始尺度上绘制 brms.fit 二项式回归

如何解决使用 ggeffects() 在原始尺度上绘制 brms.fit 二项式回归

我使用 R 包 brms 运行了以下二项式 glmm：

brms_e.1_icar <- 
  brm(predation | trials(total_nests) ~ s_year + 
                                        s_vci_l1 + s_vci_l2 + s_vci_l3 +
                                        s_density_l1 + s_density_l3 +
                                        mother_age + n_helpers +
                                        (1|cell_id) + (1|mother_id) + (1|year) +
                                        car(W,gr = cell_id,type = 'icar'),family = "binomial",data = nest_fate,data2 = list(W = W),prior = c(prior(normal(0,1),class = Intercept),prior(normal(0,class = b),class = sd),class = sdcar)),save_pars = save_pars(all = T),chains = 4,iter = 8000,warmup = 2000,thin = 8,cores = 4,control = list(adapt_delta = 0.8,max_treedepth = 10),seed = 1234)

其中，predation 是一个地区 (cell_id) 中废弃的燕窝数量，total_nests 是该地区在给定年份中发现的燕窝总数。我相信语法与 cbind(predation,total_nests) 中的 lme4 相同。

我现在正在尝试从模型中提取预测。以前我使用过 ggemmeans() 包中的 ggeffects 函数：

preds <- ggemmeans(brms_e.1_icar,terms = "s_vci_l1 [all]",condition = data.frame(total_nests = 1))
# Predicted successes of predation

s_vci_l1 | Predicted |       95% CI
-----------------------------------
   -7.01 |      0.90 | [0.64,0.98]
   -1.01 |      0.61 | [0.53,0.70]
   -0.24 |      0.56 | [0.49,0.63]
    0.01 |      0.54 | [0.47,0.61]
    0.18 |      0.53 | [0.46,0.60]
    0.33 |      0.52 | [0.44,0.59]
    0.43 |      0.51 | [0.44,0.59]
    0.62 |      0.50 | [0.42,0.57]

Adjusted for:
*       s_year = -0.00
*     s_vci_l2 =  0.02
*     s_vci_l3 =  0.01
* s_density_l1 = -0.03
* s_density_l3 = -0.01

在这里，我设置了 condition = data.frame(total_nests = 1) 以保持 total_nests 不变。

到目前为止，一切都很好。

我遇到的问题是：

我的 s_vci_l1 变量是使用 scale() 标准化的。在绘制这些预测均值时，我希望能够以其原始比例显示 s_vci_l1。通常，为此，我会简单地 cbind(nest_fate,preds) 但出于某种原因，我的 nest_fate data.frame 包含 711 个观察值，而我的 preds data.frame 仅包含 312 个观察值。

下面是一个 s_vci_l1 标准化的情节示例，以及我试图实现的第二个情节。欢迎提出任何建议。

vci is mean standardised

[旨在以原始比例绘制 vci2