Trực quan hóa kết quả mô hình hỗn hợp

Một trong những vấn đề tôi luôn gặp phải với các mô hình hỗn hợp là tìm ra trực quan hóa dữ liệu - loại có thể kết thúc trên giấy hoặc áp phích - một khi có kết quả.

Ngay bây giờ, tôi đang làm việc trên một mô hình hiệu ứng hỗn hợp Poisson với một công thức trông giống như sau:

a <- glmer(counts ~ X + Y + Time + (Y + Time | Site) + offset(log(people))

Với một cái gì đó được trang bị trong glm (), người ta có thể dễ dàng sử dụng dự đoán () để có được các dự đoán cho một tập dữ liệu mới và xây dựng một cái gì đó từ đó. Nhưng với đầu ra như thế này - làm thế nào bạn có thể xây dựng một thứ giống như một biểu đồ tỷ lệ theo thời gian với các dịch chuyển từ X (và có thể với giá trị được đặt là Y)? Tôi nghĩ rằng người ta có thể dự đoán mức độ phù hợp đủ chỉ từ các ước tính hiệu ứng cố định, nhưng còn 95% CI thì sao?

Có bất cứ điều gì khác mà ai đó có thể nghĩ về điều đó giúp hình dung kết quả? Kết quả của mô hình dưới đây:

Random effects:
 Groups     Name        Variance   Std.Dev.  Corr          
 Site       (Intercept) 5.3678e-01 0.7326513               
            time        2.4173e-05 0.0049167  0.250        
            Y           4.9378e-05 0.0070270 -0.911  0.172 

Fixed effects:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept) -8.1679391  0.1479849  -55.19  < 2e-16
X            0.4130639  0.1013899    4.07 4.62e-05
time         0.0009053  0.0012980    0.70    0.486    
Y            0.0187977  0.0023531    7.99 1.37e-15

Correlation of Fixed Effects:
         (Intr) Y    time
X      -0.178              
time    0.387 -0.305       
Y      -0.589  0.009  0.085

Dự đoán countsbằng cách sử dụng phần hiệu ứng cố định trong mô hình của bạn có nghĩa là bạn đặt thành không (nghĩa là trung bình của chúng) các hiệu ứng ngẫu nhiên. Điều này có nghĩa là bạn có thể "quên" chúng và sử dụng máy móc tiêu chuẩn để tính toán các dự đoán và các lỗi tiêu chuẩn của các dự đoán (mà bạn có thể tính các khoảng tin cậy).

Đây là một ví dụ sử dụng Stata, nhưng tôi cho rằng nó có thể dễ dàng "dịch" sang ngôn ngữ R:

webuse epilepsy, clear
xtmepoisson seizures treat visit || subject: visit
predict log_seiz, xb
gen pred_seiz = exp(log_seiz)
predict std_log_seiz, stdp
gen ub = exp(log_seiz+invnorm(.975)*std_log_seiz)
gen lb = exp(log_seiz-invnorm(.975)*std_log_seiz)

tw (line pred_seiz ub lb visit if treat == 0, sort lc(black black black) ///
 lp(l - -)), scheme(s1mono) legend(off) ytitle("Predicted Seizures") ///
 xtitle("Visit")

Biểu đồ đề cập đến treat == 0và nó dự định là một ví dụ ( visitkhông phải là một biến thực sự liên tục, nhưng nó chỉ là để lấy ý tưởng). Các đường đứt nét là khoảng tin cậy 95%.