解释和绘制分段 lme 回归 (sjPlot)

Question

我是运行 R 中的 LME（线性混合效应回归），其中节点由诊断时间 (t=0) 确定。所以模型现在是：

lme(function ~ age+sex+timepre*marker+timepost*marker, random=~time|ID, data=data)

因此：timepre 是从 t=0 开始的所有内容都是 0，之前是 0-time，而 timepost 是诊断之前的所有内容都是 0，之后是 0+time。时间是timepre和timepost的组合。

我现在想使用 sjPlot 库绘制这些效果，因为它很好地给出了预测值（针对协变量进行了校正），并将其作为可以在 t=0 处看到结的图。

plot_model(model, type="int")

相反，它绘制了两个不同的图，每个图对应一个交互。有没有办法把这些地块结合起来，让前后的斜率走到一起（截距现在也不同了）？或者我应该怎么做？

更新：

在谷歌搜索更多之后，我发现了使用样条曲线而不是两个单独的时间框架的建议。所以，我现在尝试的是：

lme(function ~ age+sex+bs(time, knots=0, degree=1)*marker, random=~time|ID, data=data)

我可以用 visreg 库绘制它，而且我似乎确实在零处打结了：

这是正确的吗？我对系数的解释是否正确：

bs(time, knots = 0, degree = 1)1:marker  12.055090  p= 0.0004
bs(time, knots = 0, degree = 1)2:marker  13.750058  p= 0.0133

第一个系数（12.055，p 值为 0.0004）表示第一个斜率（结点之前）随标记水平的变化？第二个系数（13.75，p 值为 0.013）表示作为标记函数的第一个和第二个斜率之间的差异？那么如何知道第二个斜率的变化是否作为标记的函数显着？

Answer 1

您不需要为您的时间变量使用样条曲线，特别是如果您只有两个时间点，则无法在这两点之间拟合任何曲线。因此，您的模型将是：

lme(function ~ age + sex + time * marker, random=~time|ID, data=data)

然后您可以使用plot_model(model, type = "int")查看两个时间点之间的相互作用和差异。或者你可以使用 ggeffects 包，它更加灵活。

如果 time 变量有两个以上的时间点，使用 poly() 或样条曲线可能有意义。对于 ggeffects，有一个包含多项式项的实际示例 here (and a general introduction here)。

对于你上面的例子：

library(ggeffects)
m <- lme(function ~ age+sex+bs(time, knots=0, degree=1)*marker, random=~time|ID, data=data)
pred <- ggpredict(m, c("time", "marker"))
plot(pred)

解释和绘制分段 lme 回归 (sjPlot)

Interpreting and plotting piecewise lme regression (sjPlot)

r

data-visualization

spline