如何绘制论文所示的衰老向量图？基于lmer模型的技术问询

• 目标：复刻某论文中的认知衰退向量图——展示不同基线年龄人群的整体认知水平在7年随访期内的衰退方向与速率
• 当前数据：面板数据
• 论文方法：先通过**潜增长曲线模型（Latent Growth Curve Modelling）**拟合认知轨迹，但不清楚如何从中提取衰退方向与速率的信息
• 搜索困境：搜索“ageing vector graph”相关教程未找到有效内容
• 当前进展：已用lmer()函数拟合混合效应模型，推测模型系数可用于绘制向量，寻求具体实现建议
• 参考图：

一、从混合效应模型提取关键参数 #

若你用lmer()拟合的模型形如：

lmer(认知得分 ~ 随访时间 + 基线年龄 + 随访时间:基线年龄 + (1 + 随访时间 | 个体ID), data = 你的数据集)

可提取以下核心系数用于绘图：

• 截距项：对应各基线年龄组的初始认知水平
• 随访时间主效应：整体认知衰退速率
• 随访时间:基线年龄交互项：不同基线年龄组的速率差异

每个基线年龄组的实际衰退速率计算公式：整体速率 + 交互项系数 * 对应基线年龄值

二、向量图绘制逻辑 #

向量的起点为「基线年龄组的初始认知得分」，终点为「初始得分 - 衰退速率 × 7（随访时长）」，每个年龄组对应一条从起点指向终点的向量：

1. 整理各基线年龄组的初始认知值（可通过模型预测或直接取组内均值）
2. 计算每个组7年后的认知预测值：初始值 - 速率 × 7
3. 用ggplot2绘制向量：
   • 用geom_segment()定义每个向量的x（基线年龄）、y（初始认知）、xend（同基线年龄）、yend（7年后认知）
   • 可为不同年龄组的向量设置差异化颜色，补充坐标轴标签（x轴：基线年龄，y轴：认知得分）

三、对齐论文潜增长曲线模型的思路 #

若要严格匹配论文的LGCM方法，可改用lavaan包拟合模型：

library(lavaan)
lgcm_model <- '
  # 定义潜变量：截距（初始水平）和斜率（衰退速率）
  i =~ 1*认知得分1 + 1*认知得分2 + ... + 1*认知得分n
  s =~ 0*认知得分1 + 1*认知得分2 + ... + 7*认知得分n
  # 设定斜率随基线年龄变化
  s ~ 基线年龄
'
fit <- cfa(lgcm_model, data = 你的数据集)
# 提取各基线年龄组的衰退速率预测值
slope_pred <- predict(fit, newdata = data.frame(基线年龄 = 各年龄组取值))

提取得到的斜率即为对应年龄组的衰退速率，后续绘制向量的逻辑与混合效应模型一致。

内容的提问来源于stack exchange，提问作者zmr21214175