R：如何在 ggplot 中绘制具有 95% CI 误差条的二项式广义混合效应模型？

Question

我刚刚完成模型选择，并且有一个二项式广义混合效应模型，我想在 ggplot 中绘制它。对于上下文，我进行了模型选择以了解哪些因素可以预测出勤率。我查看的因素是日（从 -30 到 -2，相对于第 0 天）、性别（男或女）和性别：日互动。我还包括了几个随机效应，包括 AgeClass（年轻、中年或老年）、Year（日历年，2014-2018）和 Plastic（个人 ID，用于纠正重复样本）。

这里是我的相关资料和代码：

数据（csv文件）：https://ufile.io/o0ns03ho

代码：

data <- read.csv("test2.csv")

m1 <- glmer(
  Attendance ~ Day + Sex + Sex:Day + (1|AgeClass) + (1|Year) + (1|Plastic), 
  data = data, 
  family = binomial(link = "logit")
)

summary(m1)

根据贝塔的估计值，我希望图表看起来像这样：

我希望男性比女性更频繁地参加，并且男性的斜率与女性不同。我还希望能够绘制男性和女性的 95% CI，如图中每种性别实线上方和下方的虚线所示。

我只有 ggplot 的基础知识，所以任何和所有的建议都是有帮助的。我不需要精确的代码，但是在与模型和 ggplot 相关的功能方面向正确的方向推动将不胜感激。

谢谢！

Answer 1

sjPlot::plot_model()

是一个开箱即用的函数，用于绘制模型结果：

library(lme4)
library(sjPlot)

# example model
data(txhousing, package = "ggplot2")
txhousing$season = ifelse(txhousing$month %in% 4:9, "summer", "winter")
m1 <- glmer(
  median ~ season * listings + (1 | city) + (1 | year), 
  data = txhousing,
  family = binomial
)

plot_model(m1, type = "pred", terms = c("listings", "season"))

结果是一个 ggplot，因此您可以使用 ggplot2 函数对其进行调整。例如，

library(ggplot2)
library(scales)

plot_model(m1, type = "pred", terms = c("listings", "season")) +
  scale_x_continuous(labels = comma, expand = c(0, 0)) +
  scale_y_continuous(labels = dollar) +
  labs(x = "Listings", y = "Median Price", title = NULL) +
  theme_light()