Использование моделирования lme4 для прогнозирования значений фиксированных эффектов

Прошу прощения за вопрос новичка, но я новичок в lme4. Я использую lme4 для моделирования выживания пчелиных семей среди шести участков, состоящих из различных типов землепользования, в течение трех лет, и создал следующую модель после исключения других конкурирующих моделей с использованием REML:

land1=lmer(asin(sqrt(prop_survival))~log(area_forage_uncult) + (1|site) + (1|year))

И подготовил резюме:

Linear mixed model fit by REML ['lmerMod']
Formula: asin(sqrt(prop_survival)) ~ log(area_forage_uncult) + (1 | site)+ (1 | year))

REML criterion at convergence: -32.7

Scaled residuals: 
Min      1Q  Median      3Q     Max 
-1.4914 -0.5867 -0.0323  0.4945  1.7873 

Random effects:
 Groups   Name        Variance Std.Dev.
 site     (Intercept) 0.001080 0.03287 
 year     (Intercept) 0.000000 0.00000 
 Residual             0.004983 0.07059 
Number of obs: 18, groups:  site, 6; year, 3

Fixed effects:
                    Estimate Std. Error t value
(Intercept)             -1.33426    0.62653  -2.130
log(area_forage_uncult)  0.13687    0.03618   3.783

Correlation of Fixed Effects:
        (Intr)
lg(r_frg_n) -0.999

Что я хотел бы сейчас сделать, так это использовать эту модель для прогнозирования выживания пасек при других количествах необработанных кормов. Как лучше всего это сделать? Пример кода был бы очень полезен.


predict lme4 lmer
person Msmart    schedule 28.01.2015    source источник

Ответы (1)


arrow_upward
4
arrow_downward

Это должно быть довольно просто (хотя было бы проще с воспроизводимым примером ...)

Если у вас приталенная модель land1, то

## I'm picking arbitrary values here since I don't
##  know what's sensible for your system
pframe <- data.frame(area_forage_uncult=200:210)
predict(land1,newdata=pframe,re.form=~0)

Аргумент re.form=~0 сообщает функции predict(), что вы хотите делать прогнозы на уровне населения, а не для какого-либо конкретного года или места (т. е. при прогнозировании установить значения случайных эффектов равными нулю). Для получения дополнительной информации см. ?predict.merMod.

У меня есть несколько других предложений по модели:

person Ben Bolker    schedule 29.01.2015