glmer - 用二項式數據預測（cbind計數數據）

Question

我試圖預測在我的二項式數據上運行的glmer模型隨時間推移的值（x軸的天數）。 Total Alive和Total Dead是計數數據。這是我的模型，以及下面的相應步驟。

full.model.dredge<-glmer(cbind(Total.Alive,Total.Dead)~(CO2.Treatment+Lime.Treatment+Day)^3+(Day|Container)+(1|index), 
         data=Survival.data,family="binomial") 

我們已經佔了過度分散，你可以在代碼中看到（1：指數）。

然後，我們使用疏浚命令來確定主效應（CO2.Treatment，Lime.Treatment，Day）和它們相應的相互作用的最佳擬合模型。

dredge.models<-dredge(full.model.dredge,trace=FALSE,rank="AICc") 

然後做了一個工作區變量他們

my.dredge.models<-get.models(dredge.models) 

然後我們進行了模型平均平均係數爲最適合的車型

silly<-model.avg(my.dredge.models,subset=delta<10) 

但現在我想創建一個圖形，Y軸上的總體積和X軸上的天數，以及取決於模型輸出的擬合線。我理解，這是棘手，因爲該模型級聯的Total.Alive和Total.Dead（見cbind(Total.Alive,Total.Dead)模型。

當我嘗試運行預測命令我得到的錯誤大部分

# 9: In UseMethod("predict") : 
# no applicable method for 'predict' applied to an object of class "mer" 

Answer 1

您問題在於你使用的lme4之前的版本爲lme4，它沒有實現predict方法。（更新將是最簡單的，但我相信如果你不能出於某種原因，在http://glmm.wikidot.com/faq有一個配方爲通過提取固定效應設計矩陣和係數手動進行預測......）預測實際上沒有問題，它預測了對數（默認）或概率（如果type="response"）;如果你想預測數字，你必須適當乘以N.

你沒有給一個，但這裏是一個使用內置cbpp數據集（我得到一些警告信息可再生的（雖然有點微不足道）的例子 - no non-missing arguments to max; returning -Inf - 但我認爲這可能是由於事實上，模型中只有一個非平凡的固定效應參數？）

library(lme4) 
packageVersion("lme4") ## 1.1.4, but this should work as long as >1.0.0 
library(MuMIn) 

這是便於以後使用（與ggplot）添加一個變量的比例：

cbpp <- transform(cbpp,prop=incidence/size) 

擬合模型（你也可以使用glmer(prop~..., weights=size, ...)）

gm0 <- glmer(cbind(incidence, size - incidence) ~ period+(1|herd), 
      family = binomial, data = cbpp) 
dredge.models<-dredge(gm0,trace=FALSE,rank="AICc") 
my.dredge.models<-get.models(dredge.models) 
silly<-model.avg(my.dredge.models,subset=delta<10) 

預測確實有效：

predict(silly,type="response") 

創建一個情節：

library(ggplot2) 
theme_set(theme_bw()) ## cosmetic 
g0 <- ggplot(cbpp,aes(period,prop))+ 
    geom_point(alpha=0.5,aes(size=size)) 

建立一個預測幀：

predframe <- data.frame(period=levels(cbpp$period)) 

在羣體水平預測（ReForm=NA - 這可能是在lme4 REForm=NA`1.0.5） ：

predframe$prop <- predict(gm0,newdata=predframe,type="response",ReForm=NA) 

將它添加到圖中：

g0 + geom_point(data=predframe,colour="red")+ 
    geom_line(data=predframe,colour="red",aes(group=1))