Question

我最近更新了R，现在ggpredict给我的混合效果模型的预测（使用lme()函数时给了我错误。

我想分析一下（不同地点的植物之间）抗氧化剂活性如何变化。为此，我有5个站点，每个站点有3个地块，在6年内进行了测量。

我建立了一个线性混合效应模型（函数lme()），其中“ anitox”是针对固定因子site和随机因子plot建模的。

然后，我使用ggpredict()（来自软件包ggeffects）来获取模型预测并进行绘制。

它曾经可以正常工作，但是由于我更新了R（版本3.6.0），因此收到一条错误消息，我不知道该如何解决：

错误：必须在`[`中使用向量，而不是类矩阵的对象。

您是否知道错误的含义以及如何解决问题？我想这一定与数据的写入/组织方式有关，但我不知道是什么。

以下是数据：

structure（list（year = structure（c（1L，1L，1L，2L，2L，2L，3L， 3L，3L，4L，4L，4L，5L，5L，5L，6L，6L，6L，1L，1L，1L，2L，2L， 2L，3L，3L，3L，4L，4L，4L，5L，5L，5L，6L，6L，6L，1L，1L，2L， 2L，2L，3L，3L，3L，4L，4L，4L，5L，5L，5L，6L，6L，6L，1L，1L， 1L，2L，2L，2L，3L，3L，3L，4L，4L，4L，5L，5L，5L，6L，6L，6L， 1L，1L，1L，2L，2L，2L，3L，3L，3L，4L，4L，4L，5L，5L，5L，6L， 6L，6L），.Label = c（“ 2011”，“ 2012”，“ 2013”，“ 2014”，“ 2015”，“ 2016” ），类别=“因子”），位置=结构（c（1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L， 4L，4L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L， 5L，5L，5L，5L），. Label = c（“ Rebbenes”，“ Skogsfjord”，“ Snarby”， “ Skibotn”，“ Gukhesjavri”），class =“ factor”），plot = c（11，12， 13，11，12，13，11，11，13，11，12，13，11，12，13，11，12，13， 21，22，23，21，22，23，21，22，23，21，22，23，21，22，23，21， 22、23、31、32、31、32、33、31、32、33、31、32、33、31、32、33， 31、32、33、41、42、43、41、42、43、41、42、43、41、42、43、41， 42、43、41、42、43、51、52、53、51、52、53、51、52、53、51、52， 53，51，52，53，51，52，53），antiox = c（2.46653362547122，2.47281284862989， 3.08407675482263、2.88731523045473、3.034372394251、3.21454300619676， 2.74011075995272、2.33528554925283、3.03876785046206、2.47494278726812， 2.31854154139051、2.53086546956933、2.80912124091414、2.44954337356346， 3.28600361541029、3.44682099175027、1.20463110534499、3.35829625741535， 3.05272373173726，2.99366209743898，3.16879701865554，3.22166561521105， 3.17619665222095、3.27004641403846、3.00891075995272、2.69110819491058， 2.56533904870318、2.72225865388593、2.50975004267303、2.71080830577306， 3.21333084150044，3.42928071324833，3.23869397818054，3.50487302546225， 3.45334645895437、3.32049779644063、2.99351321506448、3.09215971561413， 3.02336528541992、3.05388107875081、3.13256220736936、2.4930048603558， 2.43519907068925，2.50833355218431，2.38878206812421，2.12290006006265， 2.21622655328361、3.04982479532968、3.11766502984782、3.1409350921417， 3.70615906430432、3.35201703425668、3.07677775246848、3.09648082230486， 3.10361574352142、3.16501054015022、2.68618331400182、3.15280346790435， 3.17590731546756、2.85941599996738、2.70762794573506、2.88732056665119， 2.9199920351451、2.77984747669878、2.58608510953132、2.83503842669648， 2.73056939041945、2.74792959562282、3.445827133986313、3.50868980816654， 3.71756016360809、3.1311150472957、2.990842126812、3.04599463688895， 2.62511479073322，2.66155890945803，2.76085682078086，2.69787990616012， 3.01615649098973、3.04644450857859、2.49460544665114、2.41654608424733， 2.6073852194617，1.64795744465177，2.71924216432931，2.72552138748798， 3.09217877114499，3.14044260405082，2.87856206172762）），row.names = c（NA， -89L），class = c（“ tbl_df”，“ tbl”，“ data.frame”））

这是模型：

m.antiox <-lme（antiox〜site，random =〜1 | plot，data = antiox）

ggpredict（m.antiox）

Answer 1

无法重现您的错误，对我来说，一切正常：

library(nlme)
library(ggeffects)

snowmelt <- c(rep("early", 20), rep("mid",20), rep("late",20))
transect <- c(rep("T1",10), rep("T2",10), rep("T3",10), rep("T4",10), rep("T5",10), rep("T6",10))
plot <- c("T1_1","T1_1","T1_2","T1_2","T1_3","T1_3","T1_4","T1_4","T1_5","T1_5","T2_1","T2_1","T2_2","T2_2","T2_3","T2_3","T2_4","T2_4","T2_5","T2_5","T3_1","T3_1","T3_2","T3_2","T3_3","T3_3","T3_4","T3_4","T3_5","T3_5","T4_1","T4_1","T4_2","T4_2","T4_3","T4_3","T4_4","T4_4","T4_5","T4_5","T5_1","T5_1","T5_2","T5_2","T5_3","T5_3","T5_4","T5_4","T5_5","T5_5","T6_1","T6_1","T6_2","T6_2","T6_3","T6_3","T6_4","T6_4","T6_5","T6_5")
soillayer <- c(rep(c("shallow","deep"),30))
success <- runif(60)

plantsuccess <- data.frame(snowmelt, plot, soillayer, success)
m.success <- lme(success ~ snowmelt+soillayer, random=~1|transect/plot, data=plantsuccess)

ggpredict(m.success, c("snowmelt","soillayer"))
#> 
#> # Predicted values of success
#> # x = snowmelt
#> 
#> # soillayer = deep
#>  x predicted std.error conf.low conf.high
#>  1     0.479     0.088    0.307     0.651
#>  2     0.599     0.088    0.427     0.771
#>  3     0.465     0.088    0.293     0.637
#> 
#> # soillayer = shallow
#>  x predicted std.error conf.low conf.high
#>  1     0.521     0.088    0.349     0.693
#>  2     0.642     0.088    0.470     0.814
#>  3     0.508     0.088    0.336     0.680

^{由reprex package（v0.3.0）于2019-06-10创建}

无法使ggpredict处理来自lme模型的结果（更新R后）

1 个答案: