Question

我为新手问题道歉，但我是lme4的新手。我使用lme4来模拟三个地区不同类型土地利用的六个地点中蜂群的存活率，并在使用REML消除其他竞争模型后产生了以下模型：

land1=lmer(asin(sqrt(prop_survival))~log(area_forage_uncult) + (1|site) + (1|year))

并制作了摘要：

Linear mixed model fit by REML ['lmerMod']
Formula: asin(sqrt(prop_survival)) ~ log(area_forage_uncult) + (1 | site)+ (1 | year))

REML criterion at convergence: -32.7

Scaled residuals: 
Min      1Q  Median      3Q     Max 
-1.4914 -0.5867 -0.0323  0.4945  1.7873 

Random effects:
 Groups   Name        Variance Std.Dev.
 site     (Intercept) 0.001080 0.03287 
 year     (Intercept) 0.000000 0.00000 
 Residual             0.004983 0.07059 
Number of obs: 18, groups:  site, 6; year, 3

Fixed effects:
                    Estimate Std. Error t value
(Intercept)             -1.33426    0.62653  -2.130
log(area_forage_uncult)  0.13687    0.03618   3.783

Correlation of Fixed Effects:
        (Intr)
lg(r_frg_n) -0.999

我现在要做的是使用这个模型来预测其他数量的未开垦牧草的养蜂场的存活率。最好的方法是什么？示例代码非常有用。

Answer 1

这应该是相当简单的（虽然reproducible example会让我更直接......）

如果你有一个合适的模型land1，那么

## I'm picking arbitrary values here since I don't
##  know what's sensible for your system
pframe <- data.frame(area_forage_uncult=200:210)
predict(land1,newdata=pframe,re.form=~0)

参数re.form=~0告诉predict()函数您希望在总体级别进行预测，而不是针对任何特定年份或站点（即在预测时将随机效应值设置为零）。有关详细信息，请参阅?predict.merMod。

我对该模型有其他一些建议：

考虑使用二项式GLMM（如果您的比例存活率超过已知暴露的总数）而不是反正弦平方根变换（参见Warton and Hui 2011）
6个站点的随机效应水平相当少，3个非常小;您的输出显示年际差异已设置为零。考虑将年份设置为固定效应（可能与总和为零的对比，即指定contrasts=list(year=contr.sum)）。

使用lme4建模来预测固定效应值

1 个答案: