線形混合モデルでプロットされた線をR

Question

私はこれを1日間解決しようとしています。私は線形混合モデルには新しいので、これが私の失敗を説明すると思います。 私はすぐに、説明の目的だけのために、いくつかのデータを作成している：ここで

#Data 
df <- data.frame(
    subject=rep(c("1","2","3","4","5","6"),each=100), 
    order=rep(1:20), 
    similarity = rep(c("Similar", "Dissimilar"), each=150,times=2), 
    relate = rep(c("related", "unrelated"), each=75,times=4), 
    stack = as.numeric(rep(c("112","155","76","88","90","122","145","102","159","233")), each=60), 
    target= rep(c("banana","apple","peach","pineapple","coconut","cherry"),times=10) 
) 

# add RT data 
df$RT <- 0.02*df$order +     
    -6*as.numeric(df$similarity=="Similar")* as.numeric(df$stack) + 
    6*as.numeric(df$similarity=="Dissimilar")* as.numeric(df$stack) + 
    4*as.numeric(df$stack)*as.numeric(df$relate=="unrelated") + 
    -11*as.numeric(df$target=="banana")*as.numeric(df$order>1 & df$order<6)+ 
    df$stack/10*rnorm(600, mean=0, sd=2) 

df$RT<--1*df$RT 

は私のモデルである：

##model 
model=lmer(RT~similarity*relate*stack 
        +order + (1|subject) 
        + (1|target),data=df,REML=F,control=lmerControl(optimizer = c("bobyqa"))) 

df$fit<-predict(model) ##add fitted values 

結果：

Linear mixed model fit by maximum likelihood t-tests use Satterthwaite approximations to degrees of freedom [ 
lmerMod] 
Formula: RT ~ similarity * relate * stack + order + (1 | subject) + (1 |  target) 
    Data: df 
Control: lmerControl(optimizer = c("bobyqa")) 

    AIC  BIC logLik deviance df.resid 
    5668.6 5721.3 -2822.3 5644.6  588 

Scaled residuals: 
    Min  1Q Median  3Q  Max 
-3.5247 -0.6163 0.0226 0.5944 4.0280 

Random effects: 
Groups Name  Variance Std.Dev. 
subject (Intercept) 0.0  0.00 
target (Intercept) 0.0  0.00 
Residual    713.2 26.71 
Number of obs: 600, groups: subject, 6; target, 6 

Fixed effects: 
             Estimate Std. Error  df t value Pr(>|t|)  
(Intercept)        -7.46457 6.74238 600.00000 -1.107 0.269  
similaritySimilar      -0.86579 9.41010 600.00000 -0.092 0.927  
relateunrelated       13.96619 9.43009 600.00000 1.481 0.139  
stack         -5.92555 0.05030 600.00000 -117.802 <2e-16 *** 
order         -0.06343 0.19765 600.00000 -0.321 0.748  
similaritySimilar:relateunrelated  -8.96977 13.33903 600.00000 -0.672 0.502  
similaritySimilar:stack     12.00979 0.07024 600.00000 170.974 <2e-16 *** 
relateunrelated:stack     -4.12125 0.06952 600.00000 -59.283 <2e-16 *** 
similaritySimilar:relateunrelated:stack 0.08997 0.09835 600.00000 0.915 0.361  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Correlation of Fixed Effects: 
      (Intr) smlrtS rltnrl stack order smlrtySmlr:r smlrtySmlr:s rltnr: 
simlrtySmlr -0.696                
relatenrltd -0.692 0.499              
stack  -0.895 0.661 0.662            
order  -0.162 -0.010 -0.026 -0.160           
smlrtySmlr:r 0.487 -0.706 -0.707 -0.470 0.033         
smlrtySmlr:s 0.655 -0.945 -0.472 -0.702 0.025 0.667       
rltnrltd:st 0.662 -0.477 -0.945 -0.709 0.022 0.668  0.505    
smlrtySml:: -0.465 0.675 0.668 0.504 -0.035 -0.945  -0.715  -0.707 

明らかにモデルが奇妙に見えるかもしれません、元のデータセットを再現しようとすると時間を費やさず、ここでは共有できませんでした。 私がしたかったのは、2つの異なる条件で、RTのモデルフィッティングされたラインをスタックの関数として単純に表示することです。類似== "Dissimilar"と類似== "Similar"。これは、おそらく私のモデル理論の理解の私の不足によって妨げられるが、それを行うにはかなり簡単でなければならない、または何かが欠けている？ ggplotでこれを行う方法に関するアドバイスはありますか？ ありがとうございます。

Answer 1

アイデアのカップル。まず、sjPlotパッケージをお試しください。これには、線形混合モデルのさまざまな要約を生成する関数sjp.lmerが含まれています。例えば類似性によって、スタック対RTをプロットするには、使用することができます：

library(sjPlot) 
sjp.lmer(model, type = "pred", vars = c("stack", "similarity")) 

を私はまたbroomパッケージをインストールします。それはあなたのモデルからきちんとしたデータフレームを生成しますaugment機能、提供：

model %>% augment() 

を、あなたは、あなたが望むものをパイプggplotにデータフレームを達成することができます。例えば、スタック対、類似性によって当てはめ値の単純散布図：

model %>% augment() %>% 
    ggplot(aes(stack, RT)) + geom_point() + facet_grid(similarity ~ .)