小编Mar*_*ani的帖子

混合效应模型的 ggpredict() 和 ggemmeans() 计算的预测不同:为什么?

我使用1.3.0包中的函数ggpredict()和函数来计算混合效应模型的平均估计值和置信区间(以下简称:CI)。这些功能依赖于ggemmeans()ggeffectspredict()emmeans()使其输出对 ggplot 友好。这两个函数预测/估计的值的平均值和 CI 均不同。为什么?

\n

以下可重现的示例基于数据集 RIKZ(Janssen e Mulder 2005;Zuur 等人 2007),该数据集着眼于与平均潮汐水位(NAP,以米为单位)相比,物种丰富度(物种数量)如何随采样站高度变化)和暴露水平(具有三个级别的因素:低、中、高):

\n
rm(list=ls())\nif (!require(pacman)) install.packages(\'pacman\'); library(pacman)\np_load(emmeans)\np_load(ggplot2)\np_load(ggpubr)\np_load(ggeffects)\np_load(lme4, lmerTest, glmmTMB)\np_load(RCurl)\n# get data:\nRIKZ <- read.csv(text = RCurl::getURL(\n"https://raw.githubusercontent.com/marcoplebani85/datasets/master/RIKZ.csv"))\nstr(RIKZ)\n# "Exposure" is a factor:\nRIKZ$Exposure <- as.factor(RIKZ$Exposure)\n
Run Code Online (Sandbox Code Playgroud)\n

在这里,我使用泊松分布残差将广义混合效应模型拟合到数据中glmmTMB()

\n
mem1 <- glmmTMB(Richness ~ NAP+Exposure + (1 | Beach),\n                family="poisson",\n                data = RIKZ, REML=T)\n
Run Code Online (Sandbox Code Playgroud)\n

模型预测和 CI 根据ggeffects::ggpredict()考虑随机效应的不确定性(参见本页了解为何考虑或不考虑):

\n
richness.predicted <- ggpredict(mem1, \nterms=c("NAP", "Exposure"), type="fixed")\n
Run Code Online (Sandbox Code Playgroud)\n

同一模型的预测和 CI根据ggeffects::ggemmeans() …

r predict emmeans glmmtmb ggeffects

8
推荐指数
1
解决办法
721
查看次数

自制 R 和 CRAN 的 MacOS“标准”R 可以共存吗?

我在R 3.6.1运行 Sierra 的 Mac Mini 和运行 El Capitan 的 MacBook Pro 上运行。我通常从 CRAN 获取R我需要的所有包,或者github使用它们没有问题,但我试图安装和使用需要编译器的R包 ( ) ,这给我带来了问题。即使安装后,包仍然无法工作(代码似乎已编译但包安装失败)。软件包开发人员建议安装via可能会解决问题。相反,我的预感是,引用《大勒博夫斯基》中沃尔特的话,这将导致一个痛苦的世界。我的问题是:NicheMapRfortrangfortranRfortranRhomebrew

  1. 与从 CRAN 安装的“常规”版本相比,适用于 MacOSX 的 R 自制版本有什么优势?
  2. 两个版本可以共存吗?
  3. 自制版本会影响普通版本吗?
  4. 最后:自制软件会有所帮助还是只会带来新的麻烦?

    提前谢谢了。

macos homebrew r osx-elcapitan macos-sierra

6
推荐指数
1
解决办法
1904
查看次数