我想看到的拟合值的变量,同时仍然考虑到所有其他变量在模型中。我将这些描述为部分/边缘拟合值。下面有一个玩具例子。这个数据集是建在R中的,这有可能吗?
Seatbelts <- data.frame(Seatbelts)
head(Seatbelts)
Seatbelts<-Seatbelts[complete.cases(Seatbelts),]
## 75% of the sample size
smp_size <- floor(0.75 * nrow(Seatbelts))
## set the seed to make your partition reprod
我使用R中的'mgcv‘创建了一个可变系数的GAMM,并通过by设置使用了一个连续的' by’变量。然而,我很难找到'by‘变量的影响的参数估计。在这个例子中,我们确定了温度t对单一卵子的空间依赖效应(即温度对唯一卵子的线性影响如何在空间中变化):
require(mgcv)
require(gamair)
data(sole)
b = gam(eggs ~ s(la,lo) + s(la,lo, by = t), data = sole)
然后,我们可以根据预测器t绘制s(la,lo, by = t)的预测效果图
pred <- predict(b, type
我想使用ranef对象的绘图方法(plot.ranef.lme)绘制随机效果图。
library(nlme)
x <- Orthodont
# change factor to unordered for this example
x$Subject <- factor(x$Subject, ordered=FALSE)
m <- lme(distance ~ age, x, random = ~ 1 | Subject)
re <- ranef(m)
plot(re)
上面,y轴上的因子的顺序遵循因子水平的顺序.现在,我希望各级的顺序与随机效应参数
我想用二次项来拟合我的一般线性混合模型,用id作为随机效应,使用lme4包。它是关于距离聚落是如何影响动物发生概率的。我使用以下代码(希望它是正确的):
glmer_dissettl <- glmer(case ~ poly(dist_settlements,2) + (1|id), data=rsf.data, family=binomial(link="logit"))
summary(glmer_dissettl)
我得到以下输出:
Generalized linear mixed model fit by maximum likelihood (Laplace