在 sjPlot package 的 plot_model() 中考虑偏移变量

Question

我正在使用偏移量变量创建泊松分布广义线性 model（在我的例子中，狍子表现出警惕行为的秒数作为响应变量，总秒数停留在 plot 作为偏移量）。

这是一个可重现的样本，使用与我的案例类似的方式使用偏移量，修改自 Zuur 的生态混合效应模型：

library(glmmTMB)
Owls$NCalls <- Owls$SiblingNegotiation

library(lme4)
Formula <- formula(NCalls ∼ offset(logBroodSize) + SexParent * FoodTreatment + SexParent * ArrivalTime)
fit1 <- glm(Formula, data = Owls, family = poisson(link="log"))

（对于包之间的尴尬转换感到抱歉......我更习惯于 lme4 所以决定在 lme4 中使用 plot 同时使用来自 glmmTMB 的数据集）

所以现在，我想 plot 在 sjPlot package 中使用 plot_model() function 结果：

library(sjPlot)
plot_model(fit1, type="pred")

但是，绘制的结果不考虑 logBroodSize 变量，而是单独绘制偏移量。 为了使结果更有意义，我希望每个回归 plot 的 y 轴为 NCalls/LBroodSize。

这在我的案例中非常有用，因为我想最终将狍子的警惕行为表示为一个比例（警惕的秒数/发生的总时间）。

反正有这样做吗？

根据我之前看到的一个答案（我再也找不到来源），我已经尝试直接将偏移量变量添加到响应中，但是它没有用，仍然打开警告消息，即值是非-整数。

Formula.2 <- formula(NCalls/logBroodSize ∼ SexParent * FoodTreatment + SexParent * ArrivalTime)
fit2 <- glm(Formula.2, data = Owls, family = poisson(link="log"))

我还考虑过将我的数据集转换为高斯分布。 但是，由于我的数据包含很多0值，数据转换可能不是很理想。

谢谢！

Answer 1

偏移量不是统计“变量”。 它们被处理为已知/确定/固定值，并且没有得到与随机变量相同的统计处理。 从某种意义上说，在 RHS 上使用对数偏移量与在 LHS 上使用 BroodSize 作为分母是一样的。 在这两种情况下，都没有对 BroodSize 的估计，而是将其视为已知无误。

我刚刚尝试了我对拟泊松 model 的建议，它似乎允许在适当的比例下使用因变量进行绘图。 我还更改了公式 object 的创建方式，尽管我个人尝试将公式创建留在glm调用中，以便正确建立环境：

Formula <- NCalls/BroodSize ~ # tilde operator is an infix version of `formula`.
                 SexParent * FoodTreatment + SexParent * ArrivalTime
fit1 <- glm(Formula, data = Owls, family = quasipoisson(link="log"))
plot_model(fit1, type="pred")
#$SexParent
#
#$FoodTreatment
#
#$ArrivalTime

png();  plot_model(fit1, type="pred")$ArrivalTime ; dev.off()