如何在 clmm 之后使用 dotplot

Question

我试图在 clmm 之后绘制随机效应，但我收到错误消息："Error in sort.list(y):'x' must be atomic for `sort.list' Have you called 'sort' an a list?" 以下代码代表我的实际代码。

library(ordinal)
library(lattice)

###I am using the wine data in the ordinal package
d<-data.frame(wine)
result<-clmm(rating~1+temp+contact+(1+temp|judge), data=d)
###In my actual codes, I put "as.ordered(rating)" instead of "rating".

然后，我正在尝试绘制温度的随机影响并判断：

dotplot(ranef(result, condVar=TRUE))

然后，出现错误信息："Error in sort.list(y):'x' must be atomic for `sort.list' Have you called 'sort' on a list?"

我最好的猜测是评级是按照 clmm 下的命令实施的，鉴于错误消息，这对我来说似乎是有道理的。然而，猜测是高度推测性的，我不知道如何处理这种情况。 具体来说，我想绘制的是temp和judge（拦截）及其CI的随机效应。请参考我使用以下代码生成的以下图

result2<-lmer(as.numeric(rating)~1+temp+contact+(1+temp|judge), data=d)
dotplot(ranef(result2, condVar=TRUE))

如果您能就如何避免使用 clmm 阻止我使用上面的代码使用 dotplot 的看似冲突的情况提出任何意见或建议，我们将不胜感激。

Answer 1

dotplot 不知道如何处理 ranef(clmm(...)) 的结果，因为它没有与此结果相关的方法。

'simple' 答案是你可以设置结果的 class （与 ranef(lm34::lmer(...)) 提供的 class 相同）来规避这个：

r1 <- ranef(result, condVar=TRUE)
class(r1)="ranef.mer"
dotplot(r1)

这会得到一个点图，但没有条件标准误差条。

要绘制条件误差线还需要更多努力。问题是 lme4::dotplot.ranef.mer 试图在名为 postVar 的属性中查找错误，而 clmm 在名为 condVar 的不同格式的属性中提供错误。幸运的是，编辑 dotplot.ranef.mer 来处理 clmm 对象相对简单。我们可以通过在函数中添加一行来做到这一点：

if (!is.null(cv <- attr(xt, "condVar")))  se <- as.vector(unlist(cv))

然后我们可以使用

得到图

result<-clmm(rating~1+temp+contact+(1+temp|judge), data=d)
r1 <- ranef(result, condVar=TRUE)
dp(r1, scales = list(x = list(relation = 'free')))

下面是绘制此图的整个函数。这是 dotplot.ranef.mer 的逐字副本，添加了上面提到的一行

dp <- function (x, data, main = TRUE, ...) 
{
  prepanel.ci <- function(x, y, se, subscripts, ...) {
    if (is.null(se)) 
      return(list())
    x <- as.numeric(x)
    hw <- 1.96 * as.numeric(se[subscripts])
    list(xlim = range(x - hw, x + hw, finite = TRUE))
  }
  panel.ci <- function(x, y, se, subscripts, pch = 16, horizontal = TRUE, 
                       col = dot.symbol$col, lty = dot.line$lty, lwd = dot.line$lwd, 
                       col.line = dot.line$col, levels.fos = unique(y), groups = NULL, 
                       ...) {
    x <- as.numeric(x)
    y <- as.numeric(y)
    dot.line <- trellis.par.get("dot.line")
    dot.symbol <- trellis.par.get("dot.symbol")
    sup.symbol <- trellis.par.get("superpose.symbol")
    panel.abline(h = levels.fos, col = col.line, lty = lty, 
                 lwd = lwd)
    panel.abline(v = 0, col = col.line, lty = lty, lwd = lwd)
    if (!is.null(se)) {
      se <- as.numeric(se[subscripts])
      panel.segments(x - 1.96 * se, y, x + 1.96 * se, y, 
                     col = "black")
    }
    panel.xyplot(x, y, pch = pch, ...)
  }
  f <- function(nx, ...) {
    xt <- x[[nx]]
    ss <- stack(xt)
    mtit <- if (main) 
      nx
    ss$ind <- factor(as.character(ss$ind), levels = colnames(xt))
    ss$.nn <- rep.int(reorder(factor(rownames(xt)), xt[[1]], 
                              FUN = mean, sort = sort), ncol(xt))
    se <- NULL
    if (!is.null(pv <- attr(xt, "postVar"))) 
      se <- unlist(lapply(1:(dim(pv)[1]), function(i) sqrt(pv[i, i, ])))
#############################################################
# Next line is the inseerted line to deal with clmm objects
#############################################################
    if (!is.null(cv <- attr(xt, "condVar"))) se <- as.vector(unlist(cv))
    dotplot(.nn ~ values | ind, ss, se = se, prepanel = prepanel.ci, 
            panel = panel.ci, xlab = NULL, main = mtit, ...)
  }
  setNames(lapply(names(x), f, ...), names(x))
}

Answer 2

我开始尝试破解 lme4:::dotplot.ranef.mer 的内部结构，但事实证明使用 reshape2::melt 和 ggplot2 更容易做到这一点。抱歉，如果您非常喜欢 lattice ...

顺便请注意，从技术上讲，这些不是 "confidence intervals"（因为预测的条件模式在技术、常客意义上不是 "estimates"）...

将条件模式的点估计和 SE 重新排列成有用的形状：

library(reshape2)
melt.ranef.clmm <- function(re,cv) {
  reList <- lapply(re,
        function(x) {
           x$id <- reorder(factor(rownames(x)),x[,1])
           return(melt(x,id.var="id"))
        })
  cvList <- lapply(cv,melt,id.var=NULL,value.name="se")
  mm <- Map(cbind,reList,cvList)
  return(mm)
}

将此应用于模型（m1 是拟合模型）：

ss <- melt.ranef.clmm(ranef(m1),condVar(m1))

剧情：

library(ggplot2); theme_set(theme_bw())
ggplot(ss[[1]],aes(value,id))+
  geom_errorbarh(aes(xmin=value-1.96*se,xmax=value+1.96*se),
                 height=0)+
  ggtitle(names(ss)[1])+
  geom_point(colour="blue")+
  facet_wrap(~variable,scale="free_x")

如何在 clmm 之后使用 dotplot

how to use dotplot after clmm

r

ordinal

lattice

multi-level