lme4中毛虫图的选项，按因子分组以直观地识别时间趋势

Question

我正在使用lme4中的lmer函数分析大而复杂的数据集。我使用格子和点图来生成随机效应的毛虫图。有没有办法用我的数据集中的因子或连续变量对我的毛虫图进行颜色编码？还使用了qqmath，我可能只需要帮助了解如何使用＆＃34; groups＆＃34;论点。这将有助于讨论。

library("lme4")
data(package = "lme4")

summary(grouseticks)

fit1<-lmer(TICKS~1+(1|LOCATION), grouseticks)
rr1<-ranef(fit1, condVar = TRUE)
dotplot(rr1)
#We get a nice caterpillar plot of intecepts and variances by location, is there any way to color code those
#blue intercept points by another factor, such as year? 

Answer 1

执行您想要的轻松的问题是ranef()结果不包含您想要的信息，而dotplot.ranef.merMod()方法有点太难了-coded轻松修改...我将展示一个ggplot解决方案。如果您坚持使用lattice解决方案，请尝试检查lme4:::dotplot.ranef.merMod并查看是否可以按照以下解决方案进行调整。

library("lme4")

fit1 <- lmer(TICKS~1+(1|LOCATION), grouseticks)
rr1 <- ranef(fit1, condVar = TRUE)
lattice::dotplot(rr1)

这个问题对于这个特定的数据集没有多大的意义，因为这些地点在不同年份被不定期地抽样：

yrtab <- with(grouseticks,table(LOCATION,YEAR))
head(yrtab)
    YEAR
## LOCATION 95 96 97
##        1  0  5  3
##        2  0  0  3
##        3  0  7  0
##        4  3  6 11
##        5  0  3  0
##        6  0  9  0

...但是为了继续这个例子，让我们计算每个地点的模态抽样年份（即获取最大样本数量的年份 - 我们将获得关系从最简单的第一年开始，这只是一个例子）

yrvec <- 95:97
yrmode <- with(grouseticks,yrvec[apply(yrtab,1,which.max)])
dd <- data.frame(LOCATION=rownames(yrtab),yrmode)

现在我们需要以正确的形状获取随机效果数据，并提取标准误差：

## extract conditional mode and square root
## (c() works on simple attr(.,"postVar") -- would have
##  to be more careful with vector-valued random effects
rr2 <- data.frame(LOCATION=rownames(rr1[[1]]),
                  int=unname(rr1[[1]]),
                  se=sqrt(c(attr(rr1[[1]],"postVar"))))
## combine with other variables
rr3 <- merge(rr2,dd)
## prepare for caterpillar by ordering locations by est. value
rr4 <- transform(rr3,LOCATION=reorder(LOCATION,int))
library("ggplot2"); theme_set(theme_bw())
ggplot(rr4,aes(LOCATION,int,ymin=int-1.96*se,ymax=int+1.96*se))+
    geom_pointrange(aes(colour=factor(yrmode)))+coord_flip()+
        scale_colour_discrete(name="year")

这必须概括一点，以处理矢量值随机效应......