R：绘制MASS polr序数模型的预测

栏目: R语言 · 发布时间: 6年前

内容简介：http://stackoverflow.com/questions/33316686/r-plotting-predictions-of-mass-polr-ordinal-model

我使用MASS的polr函数(在这种情况下是给不同种类的奶酪的数据),在序数数据上使用比例赔率累积logit模型：

data=read.csv("https://www.dropbox.com/s/psj74dx8ohnrdlp/cheese.csv?dl=1")
data$response=factor(data$response, ordered=T) # make response into ordered factor
head(data)
  cheese response count
1      A        1     0
2      A        2     0
3      A        3     1
4      A        4     7
5      A        5     8
6      A        6     8
library(MASS)
fit=polr(response ~ cheese, weights=count, data=data, Hess=TRUE, method="logistic")

为了绘制模型的预测,我使用了一个效果图

library(effects)
library(colorRamps)
plot(allEffects(fit),ylab="Response",type="probability",style="stacked",colors=colorRampPalette(c("white","red"))(9))

R：绘制MASS polr序数模型的预测

我想知道,如果从预期的方式报告的效果包,也可以绘制像每种奶酪的平均喜好与95％conf间隔这一点？

编辑：原来我也问过如何获得Tukey posthoc测试,但同时我发现那些可以使用

library(multcomp)
summary(glht(fit, mcp(cheese = "Tukey")))

或使用包lsmeans as

summary(lsmeans(fit, pairwise ~ cheese, adjust="tukey", mode = "linear.predictor"),type="response")

Russ Lenth只是向我指出,只需使用选项模式=“平均值”(？模型)的lsmeans即可获得平均偏好和95％置信区间(同样适用于使用包序号的clm或clmm模型) ：

df=summary(lsmeans(fit, pairwise ~ cheese, mode = "mean"),type="response")$lsmeans
 cheese mean.class        SE df asymp.LCL asymp.UCL
 A        6.272828 0.1963144 NA  5.888058  6.657597
 B        3.494899 0.2116926 NA  3.079989  3.909809
 C        4.879440 0.2006915 NA  4.486091  5.272788
 D        7.422159 0.1654718 NA  7.097840  7.746478

这给了我正在寻找的情节：

library(ggplot2)
library(ggthemes)
ggplot(df, aes(cheese, mean.class)) + geom_bar(stat="identity", position="dodge", fill="steelblue", width=0.6) + 
     geom_errorbar(aes(ymin=asymp.LCL, ymax=asymp.UCL), width=0.15, position=position_dodge(width=0.9)) + 
     theme_few(base_size=18) + xlab("Type of cheese") + ylab("Mean preference") + 
     coord_cartesian(ylim = c(1, 9)) + scale_y_continuous(breaks=1:9)

R：绘制MASS polr序数模型的预测