R:绘制 MASS polr 序数模型的预测

Question

我使用 MASS 在序数数据上拟合了比例优势累积 logit 模型的 polr函数使用(在这种情况下，数据给出了对不同种类奶酪的偏好):

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))

我想知道是否来自 effects 报告的预测平均值包装一还可以绘制诸如对每种奶酪的平均偏好以及对此的 95% conf 间隔之类的东西？

编辑:最初我还询问了如何获得 Tukey posthoc 测试，但同时我发现这些可以使用

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

或使用包 lsmeans作为

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

Answer 1

Russ Lenth 只是善意地向我指出，可以通过 lsmeans 简单地获得平均偏好和 95% 置信区间。与 option mode="mean" ( ?models )(同样适用于 clm 或 clmm 模型拟合使用包 ordinal ):

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)