如何绘制 R 中 lmer 回归模型的估计值？

Question

我有这样的数据：

height <- c(1,2,3,4,2,4,6,8)
weight <- c(12,13,14,15,22,23,24,25)
type <- c("Wheat","Wheat","Wheat","Wheat","Rice","Rice","Rice","Rice")
set <- c(1,1,1,1,2,2,2,2)
dat <- data.frame(set,type,height,weight)

我运行一个 lmer 模型，在 R 中设置为随机效应：

mod <- lmer(weight~height + type + (1|set), data = dat)

现在，我想绘制模型的估计值并绘制回归图，x 轴为权重，y 轴为高度，facet(~type)

我使用预测函数如下

dat$pred <- predict(mod, type = "response")

我想实现一个如下所示的 ggplot：

ggplot(dat,aes(x = weight, y = height)) +
geom_point() + geom_smooth(method="lm", fill=NA) + facet_grid(~ type, scales = "free")

但是，我注意到预测函数只有一个输出。我如何绘制它以实现与上述相同的效果？或者我是否必须存储两个不同的预测响应，然后将其插入到 ggplot 的 x,y 中？

Answer 1

我可以调整您的绘图以显示原始值与预测值，如下所示：

ggplot(dat,aes(y = height)) +
    geom_point(aes(x = weight)) +
    geom_line(aes(x = pred)) + 
    facet_grid(~ type, scales = "free")

在您的示例图中，尽管模型中的结果变量 weight 在 x 轴上，但令人困惑。通常你会在 y 轴上有 outcome/predicted 变量，所以我会绘制你的模型预测：

ggplot(dat,aes(x = height)) +
    geom_point(aes(y = weight)) +
    geom_line(aes(y = pred)) + 
    facet_grid(~ type, scales = "free")

如何绘制 R 中 lmer 回归模型的估计值？

How to plot estimate values for a lmer regression model in R?

regression

r

predict

ggplot2