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。
[旨在以原始比例绘制 vci2
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。