*disclaimer
744632
sjPlot
https://strengejacke.github.io/sjPlot/
```{r, eval=F}
install.packages("ggeffects")
install.packages("sjPlot")
```
図のプロット plot_model()
- clmmもclmm2もプロットできる。
交互作用の分析
plot_model(モデル, type="int")
- 自動的に交互作用のある部分を分析・可視化
各種変更は、ggplot2の関数を使えばできる
- x軸のメモリ
+ scale_x_continuous(breaks=1:8, limits=c(1,8))
- 白黒テーマ
+ theme_bw()
白黒の指定オプション colors="bw"
- デフォルトはカラーだが、白黒に印刷すると、線の種類が区別できなくなってしまう
- 白黒指定すると、線が、実践と破線になる
plot_model(Criterion.model0g, type="int", title="", colors="bw")
x軸のラベルの変更は + labs(x = "")を足す
plot_model(モデル, type="int", title="", colors="bw") + labs(x="Time")
表の作成 美しすぎて涙が出る tab_model()
https://strengejacke.github.io/sjPlot/articles/tab_model_estimates.html
R^2
- Marginal R^2
- 固定効果のみでの説明率
- Conditional R^2
- 固定効果とランダム効果を合わせた説明率
Random Effects
- σ2（シグマ二乗）
- 残差分散 小さいほどモデルの適合度が高い
- τ00（タウ ゼロゼロ）
- ランダム切片の分散 グループの切片がどれだけばらついているか そのグループに属するものがどれだけばらついているか
- ICC (Intraclass Correlation Coefficient)
- クラス内相関係数 同じグループ内のデータがどれだけ似ているか。 高いほど似ている。低いと似ていないことを意味する。
オプションで、Wordのファイルに出力も可
tab_model(モデル, file="ファイル名.doc")
- 拡張子.docxとするとエラーになるので、.docで出力
- htmlでも保存可能。
tab_model(モデル, show.stat=T)
- Statistic と見出しが出るので、適宜 t value とかに書き換える
p値の表示の変更
tab_model(モデル, p.style = "stars")
- Estimatesに＊がついて、p値自体は表示されず＊の数のp値の説明が下につく
カテゴリー変数の参照レベルの表示
tab_model(model, show.reflvl = TRUE)
- 参照レベルを明示的に示して、それとの比較で他のレベルが表示される
- 変数名も表示するには
tab_model(model, show.reflvl = TRUE, prefix.labels = "varname")
とする。
信頼区間を簡潔に
tab_model(m1, collapse.ci = TRUE)
- CIでカラムを作らずに、Estimateの下に合わせて表示する
https://sugiura-ken.org/wiki/