혼합 모델 결과 시각화

혼합 모델에서 항상 겪었던 문제 중 하나는 결과를 얻은 후에는 종이나 포스터로 끝날 수있는 데이터 시각화를 파악하는 것입니다.

지금은 다음과 같은 공식을 사용하여 포아송 혼합 효과 모델을 작업 중입니다.

a <- glmer(counts ~ X + Y + Time + (Y + Time | Site) + offset(log(people))

glm ()에 맞는 것을 사용하면 predict ()를 쉽게 사용하여 새로운 데이터 세트에 대한 예측을 얻고 그로부터 무언가를 만들 수 있습니다. 그러나 다음과 같은 출력으로-X에서 시프트 (및 설정된 값 Y로)와 함께 시간에 따른 속도 플롯과 같은 것을 어떻게 구성합니까? 고정 효과 추정치만으로도 적합도를 충분히 예측할 수 있다고 생각하지만 95 % CI는 어떻습니까?

결과를 시각화하는 데 도움이 될만한 다른 사람이 있습니까? 모델의 결과는 다음과 같습니다.

Random effects:
 Groups     Name        Variance   Std.Dev.  Corr          
 Site       (Intercept) 5.3678e-01 0.7326513               
            time        2.4173e-05 0.0049167  0.250        
            Y           4.9378e-05 0.0070270 -0.911  0.172 

Fixed effects:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept) -8.1679391  0.1479849  -55.19  < 2e-16
X            0.4130639  0.1013899    4.07 4.62e-05
time         0.0009053  0.0012980    0.70    0.486    
Y            0.0187977  0.0023531    7.99 1.37e-15

Correlation of Fixed Effects:
         (Intr) Y    time
X      -0.178              
time    0.387 -0.305       
Y      -0.589  0.009  0.085

counts모델의 고정 효과 부분을 사용하여 예측 한다는 것은 임의 효과를 0 (즉, 평균)으로 설정했음을 의미합니다. 즉, 예측을 예측하지 못하고 예측의 표준 오차 (신뢰 구간을 계산할 수 있음)를 계산하기 위해 표준 기계를 사용하여이를 잊어 버릴 수 있습니다.

이것은 Stata를 사용한 예제이지만 R 언어로 쉽게 "번역"될 수 있다고 가정합니다.

webuse epilepsy, clear
xtmepoisson seizures treat visit || subject: visit
predict log_seiz, xb
gen pred_seiz = exp(log_seiz)
predict std_log_seiz, stdp
gen ub = exp(log_seiz+invnorm(.975)*std_log_seiz)
gen lb = exp(log_seiz-invnorm(.975)*std_log_seiz)

tw (line pred_seiz ub lb visit if treat == 0, sort lc(black black black) ///
 lp(l - -)), scheme(s1mono) legend(off) ytitle("Predicted Seizures") ///
 xtitle("Visit")

그래프는이를 나타내며 treat == 0예시를위한 것입니다 ( visit실제로 연속적인 변수는 아니지만 아이디어를 얻는 것입니다). 파선은 95 % 신뢰 구간입니다.