Je courais un modèle mixte en utilisant lme4
dans R:bootstrapping pour lmer avec terme d'interaction
full_mod3=lmer(logcptplus1 ~ logdepth*logcobb + (1|fyear) + (1 |flocation),
data=cpt, REML=TRUE)
Résumé:
Formula: logcptplus1 ~ logdepth * logcobb + (1 | fyear) + (1 | flocation)
Data: cpt
REML criterion at convergence: 577.5
Scaled residuals:
Min 1Q Median 3Q Max
-2.7797 -0.5431 0.0248 0.6562 2.1733
Random effects:
Groups Name Variance Std.Dev.
fyear (Intercept) 0.2254 0.4748
flocation (Intercept) 0.1557 0.3946
Residual 0.9663 0.9830
Number of obs: 193, groups: fyear, 16; flocation, 16
Fixed effects:
Estimate Std. Error t value
(Intercept) 4.3949 1.2319 3.568
logdepth 0.2681 0.4293 0.625
logcobb -0.7189 0.5955 -1.207
logdepth:logcobb 0.3791 0.2071 1.831
J'ai utilisé le paquet effects
et fonction R pour calculer 95 % intervalles de confiance pour la sortie du modèle. J'ai calculé et extrait l'IC 95% et l'erreur standard en utilisant le package effects
afin que je puisse examiner la relation entre la variable prédictive d'importance et la variable de réponse en maintenant la variable prédictive secondaire (logdepth
) constante à la médiane (2.5) en l'ensemble de données:
gm=4.3949 + 0.2681*depth_median + -0.7189*logcobb_range + 0.3791*
(depth_median*logcobb_range)
ef2=effect("logdepth*logcobb",full_mod3,
xlevels=list(logcobb=seq(log(0.03268),log(0.37980),,200)))
nous avons tenté d'amorcer les 95% d'IC en utilisant le code de here. Cependant, j'ai besoin de calculer les IC à 95% pour seulement la profondeur médiane (2,5). Existe-t-il un moyen de spécifier dans le code confint()
afin que je puisse calculer les CI nécessaires pour visualiser les résultats bootstrap comme dans le graphique ci-dessus?
confint(full_mod3,method="boot",nsim=200,boot.type="perc")