使用交互项引导 lmer

Question

lme4我正在R 中使用混合模型：

full_mod3=lmer(logcptplus1 ~ logdepth*logcobb + (1|fyear) + (1 |flocation),
data=cpt, REML=TRUE)

概括：

Formula: logcptplus1 ~ logdepth * logcobb + (1 | fyear) + (1 | flocation)
   Data: cpt

REML criterion at convergence: 577.5

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-2.7797 -0.5431  0.0248  0.6562  2.1733 

 Random effects:
 Groups    Name        Variance Std.Dev.
 fyear     (Intercept) 0.2254   0.4748  
 flocation (Intercept) 0.1557   0.3946  
 Residual              0.9663   0.9830  
Number of obs: 193, groups:  fyear, 16; flocation, 16

Fixed effects:
                  Estimate Std. Error t value
(Intercept)        4.3949     1.2319   3.568
logdepth           0.2681     0.4293   0.625
logcobb           -0.7189     0.5955  -1.207
logdepth:logcobb   0.3791     0.2071   1.831

我使用effectsR 中的包和函数来计算模型输出的 95% 置信区间。我使用该包计算并提取了 95% CI 和标准误差effects，以便我可以通过将次要预测变量 ( logdepth) 保持在数据中值 (2.5) 不变来检查重要预测变量与响应变量之间的关系放：

gm=4.3949 + 0.2681*depth_median + -0.7189*logcobb_range + 0.3791*
(depth_median*logcobb_range)

ef2=effect("logdepth*logcobb",full_mod3,
     xlevels=list(logcobb=seq(log(0.03268),log(0.37980),,200)))

我尝试使用此处的代码引导 95% CI 。但是，我只需要计算中值深度 (2.5) 的 95% CI。有没有办法在confint()代码中指定，以便我可以计算可视化引导结果所需的 CI，如上图所示？

confint(full_mod3,method="boot",nsim=200,boot.type="perc")

Answer 1

您可以通过指定自定义函数来完成此操作：

\n\n

library(lme4)\n?confint.merMod\n

\n\n

\n

FUN：引导函数；如果 \xe2\x80\x98NULL\xe2\x80\x99，则将使用返回固定效应参数以及标准差/相关性尺度上的随机效应参数的内部函数。有关详细信息，请参阅 \xe2\x80\x98bootMer\xe2\x80\x99。

\n

\n\n

因此，FUN预测函数 ( ?predict.merMod) 可以使用newdata变化的参数并固定适当的预测变量。

\n\n

一个带有内置数据的示例（不像您的那么有趣，因为有一个连续预测变量，但我认为它应该足够清楚地说明该方法）：

\n\n

fm1 <- lmer(Reaction ~ Days + (Days | Subject), sleepstudy)\npframe <- data.frame(Days=seq(0,20,by=0.5))\n## predicted values at population level (re.form=NA)\npfun <- function(fit) {\n    predict(fit,newdata=pframe,re.form=NA)\n}\nset.seed(101)\ncc <- confint(fm1,method="boot",FUN=pfun)\n

\n\n

图片：

\n\n

par(las=1,bty="l")\nmatplot(pframe$Days,cc,lty=2,col=1,type="l",\n     xlab="Days",ylab="Reaction")\n

\n\n

\n