bootMer CI 的问题：上限和下限相同

Question

我最难为我的 glmer 泊松模型生成置信区间。在遵循了几个非常有用的教程（例如 https://drewtyre.rbind.io/classes/nres803/week_12/lab_12/）以及 Whosebug 帖子之后，我不断得到非常奇怪的结果，即 CI 的上限和下限相同。

这是一个可重现的示例，其中包含一个名为“production”的响应变量、一个名为“Treatment_Num”的固定效应和一个名为“Genotype”的随机效应：

df1 <- data.frame(production=c(15,12,10,9,6,8,9,5,3,3,2,1,0,0,0,0), Treatment_Num=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4), Genotype=c(1,1,2,2,1,1,2,2,1,1,2,2,1,1,2,2))

#运行 glmer 模型

df1_glmer <- glmer(production ~ Treatment_Num +(1|Genotype),
                     data = df1, family = poisson(link = "log"))

#制作一个空数据集进行预测，其中包含解释变量但没有响应

require(magrittr)
df_empty <- df1 %>%
  tidyr::expand(Treatment_Num, Genotype)

#创建包含预测的新列

df_empty$PopPred <- predict(df1_glmer, newdata = df_empty, type="response",re.form = ~0)

#bootMer 函数

myFunc_df1_glmer <- function(mm) {
  predict(df1_glmer, newdata = df_empty, type="response",re.form=~0)
}

#运行 bootMer

require(lme4)
    merBoot_df1_glmer <- bootMer(df1_glmer, myFunc_df1_glmer, nsim = 10)

#从中获取置信区间

predCL <- t(apply(merBoot_df1_glmer$t, MARGIN = 2, FUN = quantile, probs = c(0.025, 0.975)))

#将置信区间的下限和上限输入df_empty

df_empty$lci <- predCL[, 1]
df_empty$uci <- predCL[, 2]

#when viewing df_empty 问题变得很清楚：lci 和 uci 是相同的！

df_empty

如果您能给我任何见解，我们将不胜感激！

Answer 1

忽略我的评论！

问题出在您创建的传递给 bootMer() 的函数上。您写道：

myFunc_df1_glmer <- function(mm) {
  predict(df1_glmer, newdata = df_empty, type="response",re.form=~0)
}

参数 mm 应该是从引导数据派生的拟合模型对象。但是，您不会将此对象传递给 predict()，而是将原始模型传递给目的。如果将函数更改为：

myFunc_df1_glmer <- function(mm) {
  predict(mm, newdata = df_empty, type="response",re.form=~0)
         #^^ pass in the object created by bootMer 
}

然后就可以了：

> df_empty

# A tibble: 8 x 5

  Treatment_Num Genotype PopPred   lci   uci
          <dbl>    <dbl>   <dbl> <dbl> <dbl>
1             1        1  12.9   9.63  15.7 
2             1        2  12.9   9.63  15.7 
3             2        1   5.09  3.87   5.89
4             2        2   5.09  3.87   5.89
5             3        1   2.01  1.20   2.46
6             3        2   2.01  1.20   2.46
7             4        1   0.796 0.361  1.14
8             4        2   0.796 0.361  1.14

顺便说一句——您的实际数据中有多少种基因型？如果少于 5-7 你可能使用直接向上 glm() 和基因型作为使用总和为零的因素做得更好对比。

bootMer CI 的问题：上限和下限相同

problem with bootMer CI: upper and lower limits are identical

lme4