解释clmm（混合效果序数）对象的语气

Question

我希望有人能通过我的解释确认我在正确的轨道上。我已经使用序数包中的clmm拟合了混合效果序数模型，我想知道在响应变量（sc_1_concern）的每个类别中的预测概率。 要使用emmeans到达那里，是否正确：

mmod_sc1_con_fin <- clmm(sc_1_concern ~ visit + randomization_group + (1|id), data = dat)

# Emmeans
mmod_sc1_con_fin_em <- emmeans(mmod_sc1_con_fin, ~ sc_1_concern + visit + randomization_group, mode = "prob")

> mmod_sc1_con_fin_em
 sc_1_concern visit randomization_group        prob           SE  df     asymp.LCL   asymp.UCL
 1            0     1                   0.002447062 0.0012377990 Inf  2.102043e-05 0.004873103
 2            0     1                   0.188293704 0.0326846079 Inf  1.242330e-01 0.252354358
 3            0     1                   0.710193915 0.0359065593 Inf  6.398184e-01 0.780569479
 4            0     1                   0.099065319 0.0222581619 Inf  5.544012e-02 0.142690514
 1            1     1                   0.001646361 0.0008720446 Inf -6.281519e-05 0.003355537
 2            1     1                   0.135129929 0.0288390201 Inf  7.860649e-02 0.191653370
 3            1     1                   0.722649649 0.0350093036 Inf  6.540327e-01 0.791266623
 4            1     1                   0.140574061 0.0314491529 Inf  7.893485e-02 0.202213268
 1            0     2                   0.002244366 0.0011549238 Inf -1.924253e-05 0.004507976
 2            0     2                   0.175475588 0.0318478870 Inf  1.130549e-01 0.237896299
 3            0     2                   0.715206223 0.0358373487 Inf  6.449663e-01 0.785446136
 4            0     2                   0.107073823 0.0229827071 Inf  6.202854e-02 0.152119101
 1            1     2                   0.001509889 0.0008137213 Inf -8.497568e-05 0.003104753
 2            1     2                   0.125351953 0.0278619587 Inf  7.074352e-02 0.179960388
 3            1     2                   0.721763804 0.0351831932 Inf  6.528060e-01 0.790721596
 4            1     2                   0.151374354 0.0325782105 Inf  8.752224e-02 0.215226474

# Plot prediction
emmip(mmod_sc1_con_fin_em, sc_1_concern ~ visit|randomization_group)

我不确定我是否需要使用“ prob”或“ cum.prob”。这些比例与观察到的比例不完全匹配（它们在球场上），但我认为这与模型有关（比例奇数似乎令人满意）。谢谢