Блог

В настоящее время я изучаю незначительные эффекты некоторых фиксированных коэффициентов эффектов в логистике смешанных эффектов. Для этого я использовал ggpredict функцию чрезвычайно полезного ggeffects пакета. Затем я также использовал tab_model функцию связанного sjPlot пакета для создания таблиц, содержащих нечетные соотношения. Тем не менее, я был немного удивлен результатом каждого:

1) Теперь я вижу, что все уровни моих факторных предикторов включены в выходные данные (в отличие от обычного фиктивного кодирования R, в котором один уровень каждого фактора служит эталоном для контрастов). Возможно ли сохранить опорный уровень в ggpredict выходных данных? Я надеялся использовать это, чтобы i) свериться с ручными вычислениями и ii) сравнить его с коэффициентами модели glmer, которые не вычисляются аналогичным образом условно на основе случайных эффектов.

2) Коэффициенты шансов, предоставленные tab_model , идентичны тем, которые я получил путем возведения в степень коэффициентов, предоставленных моей исходной glmer моделью (согласно процедуре IDRE example). Однако у меня создалось впечатление, что рассчитанные коэффициенты были получены из предельных коэффициентов, которые не учитывали влияние случайного эффекта в моей модели (смотрите абзац, начинающийся с «Многие люди предпочитают» Здесь, раздел «Прогнозируемые вероятности и построение графиков» здесь и главный ответ здесь для получения дополнительной информации). В свою очередь, означает ли это, что ORS для переменных с фиксированными эффектами, предоставляемых tab_model аналогичным образом, не учитывают влияние случайного эффекта? Если это так, есть ли аргумент или другие средства, с помощью которых это можно сделать?

Спасибо!