ポアソンGLMMの予測値をプロットする方法

lme4パッケージのglmerを使用してモデルに適合しました。次のコードを使用してモデルに適合させました。ポアソンGLMMの予測値をプロットする方法

GLMmmia.4<- glmer(Total_abun ~ 
         EC+ DO_sat + TP+ 
         Vegetationcover +(1 | Season), data=wetlandmacro , family=poisson, control=lmerControl(optimizer="bobyqa",optCtrl=list(maxfun=2e4))) 

> summary(GLMmmia.4) 
Generalized linear mixed model fit by maximum likelihood (Laplace 
    Approximation) [glmerMod] 
Family: poisson (log) 
Formula: 
Total_abun ~ EC + DO_sat + TP + Vegetationcover + (1 | Season) 
    Data: wetlandmacro 
Control: 
lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 20000)) 

    AIC  BIC logLik deviance df.resid 
    4817.3 4833.1 -2402.6 4805.3  98 

Scaled residuals: 
    Min  1Q Median  3Q  Max 
-9.8730 -4.4156 -0.4338 3.1763 19.4737 

Random effects: 
Groups Name  Variance Std.Dev. 
Season (Intercept) 0.009201 0.09592 
Number of obs: 104, groups: Season, 2 

Fixed effects: 
        Estimate Std. Error z value Pr(>|z|)  
(Intercept)  5.0118238 0.0931197 53.82 < 2e-16 *** 
EC    -0.0011036 0.0001632 -6.76 1.34e-11 *** 
DO_sat   -0.0009736 0.0003168 -3.07 0.00211 ** 
TP    0.2050763 0.0422935 4.85 1.24e-06 *** 
Vegetationcover -0.0015678 0.0005251 -2.99 0.00283 ** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Correlation of Fixed Effects: 
      (Intr) EC  DO_sat TP  
EC   -0.392      
DO_sat  -0.521 0.313    
TP   -0.021 0.155 -0.167  
Vegetatncvr -0.617 0.293 0.606 -0.142

私は、各固定効果（環境変数）の関数としての応答変数（種の豊富）の予測値をプロットする任意の助けに感謝

出典

2017-12-15 Peace

あなたは、固定のそれぞれに対して個別にplotとfittedを使用することができます効果。 plot(fitted(GLMmmia.4)~EC)

出典

2017-12-16 01:08:31 ppp

は、あなたの答えをありがとうしかし、私は（関数（数式、データ= NULL、サブセット= NULL、na.action = na.fail、中にエラーを得た：exempleについて変数の長さは（ 'EC' が見つかり異なり） – Peace

固定効果のうちの1つ以上に欠損値があるとします。そうであれば、フィッティングと固定効果（例：EC）の長さが異なり、プロットが機能しません。あなたのモデルに 'na.action = na.exclude'を追加する必要があります。この関数は、予測された値にNAを挿入しますが、その場合は関数のマナニクスについて確信しています。 – ppp

ポアソンGLMMの予測値をプロットする方法

答えて

関連する問題