如何协调 afex 混合效果模型输出与 sjPlot 可视化

Question

我在 R 中用 afex::mixed 拟合了一个混合效果模型（通常我使用 lme4::lmer 但我读到 || 符号不起作用适合该包中的分类变量，see here)，像这样：

>str(DF)
'data.frame':   1521 obs. of  3 variables:
 $ p: Factor w/ 100 levels "1","2","3","4",..: 1 1 1 1 1 1 1 1 2 2 ...
 $ a: Factor w/ 2 levels "Down","Up": 2 2 2 2 2 2 2 2 2 2 ...
 $ y: num  12 0 13 0 0 10 5 0 0 5 ...
>
>
> # fit mixed effects model with afex::mixed
> m1 <- mixed(y ~ a + (a||p), # random slopes and intercepts by participant, no correlation parameters
+             data = DF,
+             expand_re = TRUE, 
+             method = "S",
+             return = "merMod")
Contrasts set to contr.sum for the following variables: a, p

我主要感兴趣的是a对y的固定效果，所以我这样检查：

> fixef(m1)
(Intercept)          a1 
   6.837455    4.608073

我（也许不正确？）将此解释为模型预测 a == "down"、y 将比 a == "up".

大 4.61

然后我用 sjPlot::plot_model 可视化模型，如下所示：

plot_model(m1, type = "pred", terms = "a")

为什么这个图似乎比模型的统计输出显示出更大的固定效应？两点之差不应该是4.61吗？如果不是，情节显示的是什么？

我可以使用 sjPlot::get_model_data:

检索正在可视化的确切数据

> get_model_data(m1, terms = "a", type = "pred")

# Predicted values of y
# x = a

x | Predicted |   SE | group_col |         95% CI
-------------------------------------------------
1 |     11.45 | 0.40 |         1 | [10.65, 12.24]
2 |      2.23 | 0.55 |         1 | [ 1.15,  3.31]

Adjusted for:
* re1.a1 = -0.05
*      p = 0 (population-level)

但是我仍然对这与模型输出的关系感到困惑，特别是 a 的固定效应。

我还可以使用 afex::afex_plot:

重新创建 sjPlot 可视化

> afex_plot(m1, x = "a", mapping = c("color"))
Aggregating data over: p

这里最有趣的是消息Aggregating data over: p。这是说没有考虑p的随机效应吗？如果是这样，这与根本不引用模型的绘图有何不同？例如，尽管只是 y ~ x 行，但以下内容似乎绘制了相同的值...

ggplot(DF, aes(x = a, y = y, color = a))+
  geom_smooth(aes(group = 1), method = "lm", se = T, color = "black")

Answer 1

这是由变量从 Afex 获取总和对比引起的，这是对 lme4 标准虚拟编码的重要改进。

本质上你说的是对的，你可能错误地解释了模型系数，因为和对比编码可以将你的变量级别'Down'设置为-1，而将'Up'设置为1。简单算术表明这可能是正确的：6.83 - 4.61 ~ 2.23； 6.83 + 4.61 ~ 11.45.

您可以尝试查看模型中因子水平的编码方式以解决此问题。我自己无法做到这一点，因为您没有提供可重现的示例。

求和对比说明：https://rpubs.com/monajhzhu/608609

如何协调 afex 混合效果模型输出与 sjPlot 可视化

How to reconcile afex mixed-effects model output with sjPlot visualisation

r

predict

lme4

mixed-models

sjplot