我在使用混合模型时一直遇到的问题之一是弄清楚数据可视化——可能最终出现在论文或海报上的那种——一旦得到结果。

现在，我正在研究一个泊松混合效应模型，其公式如下所示：

a <- glmer(counts ~ X + Y + Time + (Y + Time | Site) + offset(log(people))

有了 glm() 中的一些东西，人们可以很容易地使用 predict() 来获得对新数据集的预测，并以此为基础构建一些东西。但是有了这样的输出——你将如何构建像随着时间的推移随着从 X 的变化（并且可能具有设定的 Y 值）的速率图之类的东西？我认为仅通过固定效应估计就可以很好地预测拟合，但是 95% CI 呢？

还有什么其他人可以想到的可以帮助可视化结果吗？模型结果如下：

Random effects:
 Groups     Name        Variance   Std.Dev.  Corr          
 Site       (Intercept) 5.3678e-01 0.7326513               
            time        2.4173e-05 0.0049167  0.250        
            Y           4.9378e-05 0.0070270 -0.911  0.172 

Fixed effects:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept) -8.1679391  0.1479849  -55.19  < 2e-16
X            0.4130639  0.1013899    4.07 4.62e-05
time         0.0009053  0.0012980    0.70    0.486    
Y            0.0187977  0.0023531    7.99 1.37e-15

Correlation of Fixed Effects:
         (Intr) Y    time
X      -0.178              
time    0.387 -0.305       
Y      -0.589  0.009  0.085