Question

我有一个随机效应模型，它根据参数变化，粗糙度来查看数值水温模型结果的平均偏差。粗糙度是x变量，mean_bias是y变量，流中的位置（1：9）是随机效应变量：

lmer_mb <- lmer(mean_bias ~ roughness + (1|location), data = W3T, REML=FALSE)

我尝试使用approx（）来找到mean_bias = 0时的粗糙度值：

xval <- approx(roughness = lmer_mb$fitted,  mean_bias = lmer_mb$roughness, xout = 0)$mean_bias

但我一直收到错误：

大约错误（粗糙度= lmer_mb $拟合，mean_bias = lmer_mb $ roughness，：未使用的参数（rough = lmer_mb $， mean_bias = lmer_mb $ roughness）

我还想在我的情节上绘制xval（一旦我弄明白），并且要调整我在stackoverflow上的另一个问题中找到的代码：

xval <- approx(x = fit$fitted.values, y = x, xout = 30)$y

我是在正确的轨道上吗？

Answer 1

我找到了解决这个问题所需的方法。我需要加载包

library(merTools)

然后我使用wiggle函数在我想要解决x的区域周围生成一个新的数据框：

 opt2 <- wiggle(data=W3T, var="roughness", values = seq(0.05,0.1,0.001))

然后，我过滤了opt2我想要的值并将它们变成了一个列表：

sub.opt2 <- filter(opt2,mean_bias == "0")
sub.opt3 <- list(sub.opt2)

最后，使用draw（）函数找到平均粗糙度：

opt.roughness <- draw(lmer_mb, type = 'average', varList = sub.opt3)
opt.roughness