如何在 lmer 拟合的三向交互作用下使用 R 预测主预测器的斜率

Posted 2023-05-06

【中文标题】如何在 lmer 拟合的三向交互作用下使用 R 预测主预测器的斜率

【英文标题】：How to use R to predict slope of the main predictor under an three-way interaction fitted by lmer

【发布时间】：2021-12-08 17:32:18

【问题描述】：

我有一个线性混合效应模型，具有由以下代码拟合的三向交互：

m <- lmer(cog ~ PRS*poly(Age, 2, raw=T)*Score
             + gender + Edu + fam + factor(Time)
             + (1|family/DBID), 
             data = test_all, REML = F)

在此模型中，PRS、分数和年龄的多项式具有两度（线性 + 二次）之间存在三向交互作用。对于这种三向交互，我怎样才能获得一个变量的边际效应（斜率），以其他变量为条件？例如，当年龄 = 50 且得分 = 1 时，PRS 的斜率是多少？

其次，我尝试使用以下代码来绘制这种三向交互：

plot <- ggpredict(m, ci.lvl=0.95, c("PRS [all]", "Age [60, 65, 70, 75, 80]", "Score[0, 0.321, 0.695, 1.492, 1.914, 3.252]"))
plot(m)

交互图最终显示，但 R 没有给出置信区间。错误信息是Error: Confidence intervals could not be computed.

如何用置信区间绘制这种三向交互？

【问题讨论】：

您可以通过添加minimal reproducible example 来提高在这里找到帮助的机会。添加 MRE 和所需输出的示例（以代码形式，而不是表格和图片）使其他人更容易找到和测试您的问题的答案。这样你就可以帮助别人帮助你！附言这里是a good overview on how to ask a good question

请提供足够的代码，以便其他人更好地理解或重现问题。

你试过sjPlot::plot_model(m, type="int") 吗？它使用 ggplot2 和 geom_ribbon 来显示置信带，我发现这个函数对于可视化交互非常有用。 Afaik，它也适用于 3 向交互和 lmer-models 但我可能从未尝试过将两者结合起来。

【参考方案1】：

您可以使用the marginaleffects package 来执行此操作（免责声明：我是 维护者）：

library(marginaleffects)
library(lme4)

mod <- lmer(mpg ~ hp * am * vs + (1 | cyl), data = mtcars)

mfx <- marginaleffects(mod, newdata = typical(vs = 0, am = 1, cyl = 4))

summary(mfx)

## Average marginal effects 
##       type Term   Effect Std. Error z value  Pr(>|z|)    2.5 %   97.5 %
## 1 response   am  4.10167    2.13391  1.9221 0.0545884 -0.08072  8.28406
## 2 response   hp -0.03724    0.01378 -2.7016 0.0069001 -0.06426 -0.01022
## 3 response   vs -0.61237    3.52755 -0.1736 0.8621833 -7.52625  6.30151
## 
## Model type:  lmerMod 
## Prediction type:  response