lsmeans :: lsmip : 연속 값을 올바르게 플롯하는 방법은 무엇입니까?

Question

패키지의 lsmip() 명령은 x- 축의 연속적 예측 변수를 범주 적 예측 변수로 간주합니다.

연속적인 예측기의 관찰 결과가 (Oats 데이터에서 0.2 수준의 니트로를 제거한 경우와 같이) 불규칙적이지만 고르지 않은 간격으로 측정 한 경우 lsmip은 균등 간격으로 음영을 그립니다.

data("Oats", package = "nlme") 
Oats.lmer2sub <- lmer(log(yield) ~ Variety + poly(nitro,2) 
       + (1|Block/Variety), data = subset(Oats, nitro!=0.2)) 
lsmip(Oats.lmer2sub, Variety ~ nitro, ylab = "Predicted log(yield)", cov.reduce=FALSE) 

내가 실제로 데이터를 관찰 니트로의 수준에서 모델 예측을 표시하려는 경우 나에게 중요한 것 같다

. 이론적으로, 나는 모든 수준의 니트로에서 예측 된 값을 보여줄 수 있어야한다.

lsmip(Oats.lmer2sub, Variety ~ nitro, ylab = "Predicted log(yield)", at=list(nitro=c(0, 0.2, 0.4, 0.45, 0.46, 0.6))) 

연속 변수에 적합한 스케일 공간 니트로 값을 X 축 설정할 수있는 방법이 있는가? 의미는 첫 번째 그래프에서 0.2의 공간을 건너 뛰거나 두 번째 그래프에서 0.45, 0.46의 점을 함께 클러스터링한다는 의미입니까?

Answer 1

데이터 프레임에 플롯 된 데이터를 저장 한 다음 원하는 결과를 그릴 수 있습니다. 당신의 예에서 :

plotdf <- lsmip(Oats.lmer2sub, Variety ~ nitro, 
      at=list(nitro=c(0, 0.2, 0.4, 0.45, 0.46, 0.6)), 
      plotit = FALSE) 

library(lattice) 
xyplot(lsmean ~ nitro, groups = ~Variety, 
     type = "o", ylab = "Predicted log(yield)", data = plotdf) 

은