在 R 中绘制与来自 lme4 或 LmerTest model 的置信区间的交互

Question

使用dat （在此处找到），我运行以下 model：

library(lmerTest)

model <- lmerTest::lmer(eval ~ post + ess + post*ess + (1|ID), data = dat)

summary(model)的 output 表示交互项显着：

Linear mixed model fit by REML. t-tests use Satterthwaite's method ['lmerModLmerTest']
Formula: eval ~ post + ess + ess * post + (1 | ID)
   Data: dat

REML criterion at convergence: 163.4

Scaled residuals: 
     Min       1Q   Median       3Q      Max 
-1.95714 -0.48596  0.00623  0.49208  1.82729 

Random effects:
 Groups   Name        Variance Std.Dev.
 ID       (Intercept) 0.33344  0.5774  
 Residual             0.02944  0.1716  
Number of obs: 170, groups:  ID, 85

Fixed effects:
            Estimate Std. Error       df t value             Pr(>|t|)    
(Intercept)  1.50194    0.09082 90.00645  16.538 < 0.0000000000000002 ***
post        -0.24537    0.03658 83.00000  -6.707        0.00000000226 ***
ess          0.15444    0.13076 90.00645   1.181              0.24067    
post:ess     0.15620    0.05267 83.00000   2.965              0.00395 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
         (Intr) post   ess   
post     -0.201              
ess      -0.695  0.140       
post:ess  0.140 -0.695 -0.201

但是，当我尝试使用sjPlot使用 95% 置信区间 plot 进行交互时，得到的区间不会使交互看起来很重要......

library(sjPlot)
library(TMB)

plot_model(model, type="int", ci.lvl=0.95)

我的两个问题：

1. 为什么估计和绘制的结果似乎讲述了不同的故事？
2. 如何从 model 中提取系数的置信区间来创建自己的图表而不是使用plot_model() ？ 我想制作一个条形 plot 来说明交互，因为变量ess和post是二进制的。

注意：我很高兴使用lme4 - 应该得到相同的结果，当总结 lme4 对象时，什么系数很重要并不那么明显，我希望这个问题非常清楚。

Answer 1

我将按相反的顺序回答您的问题：

2. plot_model() function 调用来自ggeffects package 的函数。 具体来说， ggpredict()做了很多工作。 如果你从 go 到下面的 URL，你会发现很多关于如何改变效果图和从拟合的 model 中获取各种信息的信息。

https://cran.r-project.org/web/packages/ggeffects/vignettes/ggeffects.html

1. 我真的不同意这种互动看起来并不重要。 对于大多数 plot，置信区间与其他类别均值不重叠。 然而，这可能不是重点，因为您当前正在以一种使其看起来连续的方式绘制分类数据。 这不会改变 model 在引擎盖下的安装方式，但会改变sjPlot的默认行为。 我已经安装了您指定的 model 和因子，并按照我认为应该在下面绘制的方式绘制了它。 我认为 plot 的变化不大，但它可能会改变你的解释。 plot 此处显示的差异与 model 总结ess一致，可以这样表述：差异是 1 的 0 与 1 的 CI 的两个级别之间post差异。当post为 0 时，这两个ess类别与均值重叠，但当post为 1 时它们显着不同。

让我知道这是否需要进一步澄清。