Jak wyodrębnić korelację stałych efektów część lmer output

Question

Kiedy masz wielopoziomowy model z dużą ilością czynników i interakcji, rozmiar korelacji stałej matrycy efektów może stać się dość duży i niejasne.

mogę użyć parametru symbolic.cor=T w metodzie druku, aby jaśniejszy druk streszczenia jak poniżej:

ratbrain <- 
within(read.delim("http://www-personal.umich.edu/~bwest/rat_brain.dat"), 
{ 
treatment <- factor(treatment, 
labels = c("Basal", "Carbachol")) 
region <- factor(region, 
labels = c("BST", "LS", "VDB")) 
}) 

print(mod<-lmer(activate ~ region * treatment + (0 + treatment | animal),ratbrain),symbolic.cor=T) 

Ten działki nieco jaśniejszy macierzy korelacji dla dużych matrycach. Chociaż matryca tego przykładu nie jest tak duża. Ale byłoby miło, gdybym mógł narysować mapę cieplną korelacji.
Jak wyodrębnić korelację ustalonych efektów, aby utworzyć mapę termiczną?

EDIT:

Oto funkcja stworzyłem dzięki odpowiedzi.

fixeff.plotcorr<-function(mod,...) 
{ 
    #require(GGally) # contains another correlation plot using ggplot2 
    require(lme4) 

    fixNames<-names(fixef(mod)) 

    # Simon O'Hanlon's answer: 
    # so <- summary(mod) 
    # df<-as.matrix(so@vcov@factors$correlation) for version lme4<1.0 
    # df<-as.matrix(so$vcov@factors$correlation) # lme4 >= 1.0 

    df<-as.matrix(cov2cor(vcov(mod))) #Ben Bolker's solution 

    rownames(df)<-fixNames 
    colnames(df)<-abbreviate(fixNames, minlength = 11) 

    colsc=c(rgb(241, 54, 23, maxColorValue=255), 'white', rgb(0, 61, 104, maxColorValue=255)) 
    colramp = colorRampPalette(colsc, space='Lab') 
    colors = colramp(100) 
    cols=colors[((df + 1)/2) * 100] 
    # I'm using function my.plotcorr which you can download here: 
    # http://hlplab.wordpress.com/2012/03/20/correlation-plot-matrices-using-the-ellipse-library/ 
    my.plotcorr(df, col=cols, diag='none', upper.panel="number", mar=c(0,0.1,0,0),...) 

    # Another possibility is the corrplot package: 
    # cols <- colorRampPalette(c("#67001F", "#B2182B", "#D6604D", "#F4A582", "#FDDBC7", 
    #        "#FFFFFF", "#D1E5F0", "#92C5DE", "#4393C3", "#2166AC", "#053061")) 
    # require(corrplot,quiet=T) 
    # corrplot(df, type="upper", method="number", tl.pos='tl', tl.col='black', tl.cex=0.8, cl.pos='n', col=cols(50)) 
    # corrplot(df,add=TRUE, method='ellipse', type='lower', tl.pos='n', tl.col='black', cl.pos='n', col=cols(50), diag=FALSE) 
} 

Musisz pobrać funkcję my.plotcorr z here. Uzyskany wykres powyższym przykładzie za pomocą komendy fixeff.plotcorr(mod) teraz wygląda tak:

Answer 1

Stosując metodę S4 funkcję aukcji możemy wrócić funkcji, które jest wywoływane, gdy print nazywany jest na obiekt klasy "mer":

selectMethod(print , "mer") 

Patrząc na kod źródłowy, który jest zwracany możemy znaleźć linie mające zastosowanie do ciebie:

if (correlation) { 
      corF <- so@vcov@factors$correlation 

so jest definiowana jako podsumowanie Twojego obiektu, więc w danym przypadku należy po prostu trzeba wyodrębnić:

so <- summary(mod) 
so@vcov@factors$correlation 

Answer 2

nie wiem metody bezpośredniej. Ale to jest obejście problemu.

diag(diag(1/sqrt(vcov(mod)))) %*% vcov(mod) %*% diag(diag(1/sqrt(vcov(mod)))) 

Answer 3

Jak na temat korzystania z wbudowanego

cov2cor(vcov(mod)) 

?