Оценка средних и доверительных интервалов с использованием lme4
Я запускаю смешанную модель логистической регрессии в R с помощью lme4::glmer(), Это модель с четырьмя категориальными переменными. Каждая переменная кодируется эффектами (-1, 1). Существуют случайные эффекты как для участника, так и для стимула (закодированный как "субъект"). Я воспроизвел вывод ниже.
Generalized linear mixed model fit by maximum likelihood
(Laplace Approximation) ['glmerMod']
Family: binomial ( logit )
Formula: correctDummy ~ raceEffect * infoEffect * objectEffect * groupEffect +
(object | participant) + (object | actor)
Data: df
Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
38532.9 38722.4 -19244.4 38488.9 40778
Scaled residuals:
Min 1Q Median 3Q Max
-6.5155 0.2361 0.3815 0.5268 2.8158
Random effects:
Groups Name Variance Std.Dev. Corr
participant (Intercept) 0.3320 0.5762
objectnogun 0.3584 0.5986 -0.22
actor (Intercept) 0.2709 0.5204
objectnogun 0.4135 0.6430 -0.65
Number of obs: 40800, groups: participant, 153; actor, 40
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.5311984 0.0829808 18.452 < 2e-16 ***
raceEffect -0.0225314 0.0655927 -0.344 0.731218
infoEffect 0.0005097 0.0188336 0.027 0.978410
objectEffect -0.0497586 0.0604082 -0.824 0.410107
groupEffect 0.2048575 0.0540882 3.787 0.000152 ***
raceEffect:infoEffect 0.0004164 0.0188259 0.022 0.982353
raceEffect:objectEffect 0.0218374 0.0542910 0.402 0.687515
infoEffect:objectEffect 0.1939512 0.0188332 10.298 < 2e-16 ***
raceEffect:groupEffect -0.0022580 0.0187905 -0.120 0.904351
infoEffect:groupEffect -0.0135822 0.0188172 -0.722 0.470418
objectEffect:groupEffect 0.0141459 0.0322551 0.439 0.660978
raceEffect:infoEffect:objectEffect -0.0192888 0.0188261 -1.025 0.305562
raceEffect:infoEffect:groupEffect -0.0157074 0.0188125 -0.835 0.403748
raceEffect:objectEffect:groupEffect 0.0150685 0.0187907 0.802 0.422605
infoEffect:objectEffect:groupEffect -0.0253699 0.0188176 -1.348 0.177593
raceEffect:infoEffect:objectEffect:groupEffect -0.0113857 0.0188127 -0.605 0.545037
Я хотел бы знать, как рассчитать прогнозируемые средние значения модели и 95% ДИ для определенных условий. Например, я хотел бы рассчитать прогнозируемые средние значения и 95% CI для каждой из двух групп для основного эффекта "groupEffect". Я также хотел бы рассчитать прогнозируемые средние значения и 95% -й доверительный интервал для каждой из четырех групп, участвующих во взаимодействии "infoEffect: objectEffect".
Чтобы быть ясным, я не рассчитываю рассчитывать 95% ДИ вокруг самих эффектов (которые я могу рассчитать с помощью начальной загрузки с lme4::bootMer() или используя lme4::confint()). Я хочу рассчитать прогнозируемые средние значения (т. Е. Долю случаев, когда первая группа ответит правильно; доля случаев, когда вторая группа ответит правильно) и 95% ДИ.
Я думал lsmeans() Пакет может быть в состоянии сделать то, что я ищу, но у меня не было успеха с ним. Кажется, что многие из пакетов, которые делают что-то подобное, ориентированы на модели, которые работают с непрерывными переменными, а не с двоичными.