我在 R 中有一个 glmer 模型，我想为其绘制预测。我从 sjPlot 库中找到了 plot_model 函数，它工作正常。
这是一个 MWE:
library(lattice)
cbpp$response <- sample(c(0,1), replace=TRUE, size=nrow(cbpp))
gm1 <- glmer(response ~ size + incidence + (1 | herd),
data = cbpp, family = binomial)
例如，调用 plot_model(gm1, type = "pred", show.data = TRUE) 会产生下图:
但是，我不熟悉 R，而且我很难尝试控制情节美学并将多个模型绘制到同一个图形中(已经问过有关该问题的问题 here )。我熟悉 Python 和 matplotlib，让这些图形在 Python 环境中工作对我来说要简单得多。
我猜想实现这一点的一种方法是从 R 中获取 y 值(预测的火灾概率)并导出它们，这样我就可以在 Python 中读取它们，以便根据每个协变量(evi prev)绘制它们例子。但是，我不确定该怎么做。此外，我试图阅读 sjPlot 源代码以弄清楚它是如何绘制预测结果的，但也无法弄清楚。
最佳答案
最简单的方法可能是使用 gfeffects::ggpredict()。
有点像
library(ggeffects)
pred_frame <- ggpredict(myModel, term="evi_prev")
应生成具有预测、较低和较高置信水平的数据框。我不确定它是否会预测沿 x 轴的均匀分布值(这很好)，或者如何欺骗它这样做。 (如果您提供可重现的示例，我可能会试一试。)
玩弄您发布的 MWE 确实表明很难预测均匀间隔的值(或者更一般地说，对于不在原始数据中的值)；我尝试了 terms="size [1:35]" 之类的方法，但这限制了预测值的范围而不是填充它们。
更基本的，可以使用 merMod 对象的内置 predict() 方法(可能与 newdata 一起指定，例如均匀间隔values) 来获得预测 [使用 type="response" 来获得关于概率而不是对数比值的预测]；置信区间更难，但可以使用显示的方法生成 here
关于python - 是否可以使用 Python 绘制 R glmer 模型预测？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55978448/