在 R 中解释来自 glmer Model 的 output 包括优势比和/或绘图数据？

Question

这个问题是从 Stack Overflow 迁移而来的，因为它可以在 Cross Validated 上得到回答。 21 天前迁移。

也许有人可以帮助我从 R 中的 glmer Model 中解释我的 Output？ 一般来说，我会使用优势比进行解释——对吗？ 但是，由于它低于 1，我不知道如何处理它？

我也一直在努力正确地 plot 我的数据。 也许有人对此有任何想法？

我真的很感激任何帮助或建议。

变量：

• (Veraenderung_pos)dependent：孩子的反应（积极/中性）
• （口罩）独立：戴口罩（不戴/戴口罩）

R-输出：

> summary(H1_T2x)
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
 Family: binomial  ( logit )
Formula: Veraenderung_pos ~ Maske + (1 | VP)
   Data: Data_T2x

     AIC      BIC   logLik deviance df.resid 
   209.0    218.4   -101.5    203.0      167 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-1.1298 -0.4901 -0.4103  0.7500  1.7910 

Random effects:
 Groups Name        Variance Std.Dev.
 VP     (Intercept) 2.07     1.439   
Number of obs: 170, groups:  VP, 72

Fixed effects:
            Estimate Std. Error z value Pr(>|z|)  
(Intercept)  -0.7258     0.3299  -2.200   0.0278 *
Maske        -0.2998     0.4102  -0.731   0.4650  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
      (Intr)
Maske -0.549
> Anova(H1_T2x, type=3)
Analysis of Deviance Table (Type III Wald chisquare tests)

Response: Veraenderung_pos
             Chisq Df Pr(>Chisq)  
(Intercept) 4.8395  1    0.02781 *
Maske       0.5339  1    0.46496  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> #H1: Konfidenzintervalle, Koeffizenten, odds ratio #####
> #confidence intervalls
> seH1 <- sqrt(diag(vcov(H1_T2x)))
> 
> 
> # table of estimates with 95% CI
> (tabH1 <- cbind(Est = fixef(H1_T2x), LL = fixef(H1_T2x) - 1.96 * se, UL = fixef(H1_T2x) + 1.96 *
+                 seH1))
                   Est        LL          UL
(Intercept) -0.7258004 -1.372455 -0.07914585
Maske       -0.2997611 -1.103823  0.50430057
> 
> #odds ratio
> exp(tabH1)
                  Est        LL        UL
(Intercept) 0.4839371 0.2534839 0.9239052
Maske       0.7409952 0.3316010 1.6558270

Answer 1

我会说“戴口罩效果的优势比为 0.74（95% CI：0.33 - 1.65）。这意味着估计的效果是略微降低阳性风险（不戴口罩的概率为 0.33）到 0.26（戴口罩），但测量的效果没有统计学意义——数据也与增加阳性风险的口罩一致”。

几点注意事项：

• 概率计算未考虑VP组之间的可变性（请参阅emmeans package的文档）
• 您可能希望使用confint()来获取配置文件置信区间，而不是您在此处使用的 Wald CI（或broom.mixed::tidy(H1_T2x, conf.int = TRUE, conf.method = "profile", exponentiate = TRUE) ）

对于绘图，请参阅sjPlot或ggeffects或effects包。